22.Pythonでデータ分析を始めよう！初心者向けガイド–決定木モデルの学習編-

2025年1月11日

モデル学習の基本

データの準備

import pandas as pd
from sklearn.tree import DecisionTreeClassifier as DT

# CSVファイルの読み込み
data = pd.read_csv('定期貯金契約データ.csv')

# 説明変数と目的変数の分離
X = data[['年齢', '世帯年収', '預入期間']]  # 説明変数
y = data['契約継続']  # 目的変数

モデルの学習

# モデルの初期化
model = DT(max_depth=3, random_state=42)

# モデルの学習
model.fit(X, y)

重要ポイントの解説

fit関数の仕組み

料理に例えると：

説明変数（X）= 材料（年齢、年収、預入期間）
目的変数（y）= 完成品（契約継続するかどうか）
fit()関数 = 調理過程（レシピの習得）

学習済みモデルとは

例えば：

年齢が65歳以上で
世帯年収が800万円以上で
預入期間が5年以上なら
→ 契約継続の確率が高い

といったパターンを自動的に見つけ出します。

実践的なコード例

# より詳細なモデル学習の例
model = DT(
    max_depth=3,
    min_samples_leaf=50,
    random_state=42
)

# モデルの学習
model.fit(X, y)

# モデルの学習結果を確認
from sklearn.tree import plot_tree
import matplotlib.pyplot as plt

plt.figure(figsize=(15,10))
plot_tree(model, 
    feature_names=['年齢', '世帯年収', '預入期間'],
    class_names=['継続なし', '継続'],
    filled=True)
plt.show()