用Python实现决策树用于离职员工分析详细过程(二)模型评估预测(含代码运行结果)

用Python实现决策树用于离职员工分析详细过程(一)(含首次调试运行)文章中进行了决策树模型分析离职数据的库安装、建模及训练,本节将对训练好的模型开展评估预测。训练好模型后,需要使用测试集对模型进行评估。

1、直接预测是否离职

这里把测试集中的数据导入模型中进行预测,代码如下,其中model就是前面训练好的决策树模型:

y_pred = dt_model.predict(X_test)
print(y_pred)

predict()函数将直接打印预测结果,其中0为预测不离职,1为预测离职。

运行结果,发现如上图所示,在idle中,未完全显示预测结果,那我们如何全部显示完整呢?首先,我们需要知道dt_model.predict(X_test)返回的是什么类型,为此使用如下代码进行判断:

print(type(y_pred))

运行结果如下图所示:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

律己杂谈

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值