再訓練一個 scikit-learn 模型
所有 sklearn 模型都具有 .fit() 和 .predict() 方法，就像你在前一個練習中對 LogisticRegression 模型所使用的一樣。這個設計讓你能輕鬆嘗試許多不同的模型，看看哪一個表現最佳。為了讓你更熟悉 sklearn 的 API，本題要你改用 DecisionTreeClassifier 來擬合，而不是 LogisticRegression。
本練習屬於課程
行銷分析：用 Python 預測客戶流失
練習說明
- 從
sklearn.tree匯入DecisionTreeClassifier。 - 建立分類器實例，並將結果存到
clf。 - 用資料訓練分類器。特徵放在變數
features中，目標變數為'Churn'。 - 預測
new_customer的標籤。
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。
# Import DecisionTreeClassifier
# Instantiate the classifier
# Fit the classifier
# Predict the label of new_customer
print(____)