训练另一种 scikit-learn 模型
所有 sklearn 模型都有 .fit() 和 .predict() 方法，就像您在上一个练习中对 LogisticRegression 模型所用的一样。借助这一特性，您可以轻松尝试多种模型，看看哪个性能最佳。为帮助您更熟练地使用 sklearn API，本练习将让您尝试拟合一个 DecisionTreeClassifier，而不是使用 LogisticRegression。
本练习是课程的一部分
营销分析：用 Python 预测客户流失
练习说明
- 从
sklearn.tree导入DecisionTreeClassifier。 - 实例化该分类器，并将结果存储在
clf中。 - 用数据训练该分类器。特征保存在变量
features中，关注的目标变量是'Churn'。 - 预测
new_customer的标签。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import DecisionTreeClassifier
# Instantiate the classifier
# Fit the classifier
# Predict the label of new_customer
print(____)