訓練決策樹模型
現在你要在電信資料集的訓練集上訓練一棵決策樹，接著在未看過的測試資料上預測標籤，並計算模型預測的準確率。你將看到與羅吉斯迴歸相比的效能差異。
accuracy_score 函式已匯入；此外，你先前建立的訓練與測試資料集也已載入，其中特徵為 train_X 與 test_X，目標變數為 train_Y 與 test_Y。
本練習屬於課程
Python 的行銷機器學習
練習說明
- 初始化一個決策樹分類器。
- 在訓練資料上訓練（fit）決策樹。
- 在測試資料上預測流失標籤。
- 計算並印出測試資料的準確率。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Initialize decision tree classifier
mytree = tree.___()
# Fit the decision tree on training data
mytree.___(___, ___)
# Predict churn labels on testing data
pred_test_Y = ___.___(___)
# Calculate accuracy score on testing data
test_accuracy = ___(___, ___)
# Print test accuracy
print('Test accuracy:', round(___, 4))