Desafío: hora de la práctica - Ajuste de Modelos | Clasificación: aprendiendo a clasificar datos con Machine Learning | Alura Latam

# 1) Separación de los datos: Conjunto de entrenamiento y prueba.

# Importamos train_test_split para dividir los datos en conjuntos de entrenamiento y prueba
from sklearn.model_selection import train_test_split

X_train_desafio, X_test_desafio, y_train_desafio, y_test_desafio = train_test_split(X_desafio,y_desafio, stratify = y_desafio, random_state=5)

# 2) Modelo base con el DummyClassifier y tasa de acierto con el método score.

# Cargamos DummyClassifier, un modelo de referencia muy simple
from sklearn.dummy import DummyClassifier

# Instanciamos el modelo Dummy
dummy_desafio = DummyClassifier()

# Entrenamos el modelo Dummy con los datos de entrenamiento
dummy_desafio.fit(X_train_desafio, y_train_desafio)

# Evaluamos el modelo Dummy con los datos de prueba
dummy_desafio.score(X_test_desafio, y_test_desafio)
# Resultado: 0.7964

# 3) Árbol de decisión.
from sklearn.tree import DecisionTreeClassifier

# Instanciamos el modelo con una semilla fija para asegurar reproducibilidad
modelo_arbol_desafio = DecisionTreeClassifier(max_depth=4, random_state=5)

# Entrenamos el modelo con los datos de entrenamiento
modelo_arbol_desafio.fit(X_train_desafio, y_train_desafio)

# Evaluamos el modelo con el conjunto de prueba
modelo_arbol_desafio.score(X_test_desafio,y_test_desafio)
# Resultado: 0.8464

# Visualización del árbol de decisión entrenado
from sklearn.tree import plot_tree
import matplotlib.pyplot as plt

# Lista con los nombres de las columnas que se usarán en el gráfico para mejor interpretación
valores_columnas_desafio = ['pais_Alemania',
                            'pais_España',
                            'pais_Francia',
                            'sexo_biologico_Mujer',
                            'tiene_tarjeta_credito_1',
                            'miembro_activo_1',
                            'score_credito',
                            'edad',
                            'años_de_cliente',
                            'saldo',
                            'servicios_adquiridos',
                            'salario_estimado']

# Graficamos el árbol
plt.figure(figsize=(24,7))
plot_tree(modelo_arbol_desafio, filled=True,class_names=['no','si'],fontsize=7,feature_names=valores_columnas_desafio);

Ingrese aquí la descripción de esta imagen para ayudar con la accesibilidad

# Evaluamos nuevamente el modelo pero ahora en entrenamiento
round(modelo_arbol_desafio.score(X_train_desafio,y_train_desafio),4)
# Resultado: 0.8509