训练一棵决策树
现在，请尝试构建一个决策树模型。决策树是一系列通过机器学习得到的 if-else 规则。在电信客户流失的案例中，它用于判断客户是否会流失。下面是一个基于著名 Titanic 幸存数据集构建的决策树示例图。
上一练习中的 train_X、test_X、train_Y、test_Y 已为您加载。同时，已从 sklearn 库中加载了 tree 模块和 accuracy_score 函数。接下来，您将构建模型，并在未见过的数据上检验其性能。
本练习是课程的一部分
Python 营销中的机器学习
练习说明
- 使用
max_depth设为 5 来初始化决策树模型。 - 在训练数据上拟合模型，顺序为先
train_X，后train_Y。 - 对测试数据进行预测，这里为
test_X。 - 通过比较实际测试标签与预测标签来评估模型在测试数据上的性能。
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 the model with max_depth set at 5
mytree = tree.___(max_depth = ___)
# Fit the model on the training data
treemodel = mytree.___(___, ___)
# Predict values on the testing data
pred_Y = treemodel.___(___)
# Measure model performance on testing data
accuracy_score(___, ___)