决策树 vs. 神经网络
构建一个决策树分类器，根据包括年龄、受教育程度、每周工作时长等多种特征来预测收入水平，并提取模型学到的用于解释决策的规则。然后，将其与在相同数据上训练的 MLPClassifier 的性能进行比较。
X_train、X_test、y_train 和 y_test 已为您预加载。accuracy_score 和 export_text 函数也已为您导入。
本练习是课程的一部分
Python 可解释性 AI
交互式实操练习
通过完成这段示例代码来试试这个练习。
model = DecisionTreeClassifier(random_state=42, max_depth=2)
model.fit(X_train, y_train)
# Extract the rules
rules = ____
print(rules)
y_pred = model.predict(X_test)
# Compute accuracy
accuracy = ____
print(f"Accuracy: {accuracy:.2f}")