拟合决策树模型
现在，您将对电信数据集的训练集拟合一个决策树，然后在未见过的测试数据上预测标签，并计算模型预测的准确率。接着，您将看到与逻辑回归相比的性能差异。
accuracy_score 函数已导入。此前构建的训练集和测试集也已加载：特征为 train_X 和 test_X，目标变量为 train_Y 和 test_Y。
本练习是课程的一部分
Python 营销中的机器学习
练习说明
- 初始化一个决策树分类器。
- 在训练数据上拟合该决策树。
- 在测试数据上预测流失标签。
- 计算并打印测试数据上的准确率。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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))