import pandas as pd import numpy as np from sklearn.tree import DecisionTreeClassifier from sklearn.model_selection import train_test_split # Este modelo nos ayudara a hacer la división entre el modelo de training y de test

df = pd.read_csv('/work/cancerdata.csv') df.head()

X = df.iloc[:,2:] # Variables numéricas. En este modelo representan las variables independientes que explicaran la variable categórica. Y = df.iloc[:,1] # Variable Categórica. La que queremos predecir. La que nos indicara si el cancer es benigno o maligno.

X.head()

Y.value_counts()

X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size = 0.3, random_state = 4) modelo = DecisionTreeClassifier() modelo.fit(X_train, Y_train) resultado = modelo.score(X_test, Y_test) print(resultado) # con esto vamos a ver cual es la precisión de nuestro modelo en porcentaje.

# Validación cruzada k fold from sklearn.model_selection import KFold modelo = DecisionTreeClassifier() kfold_validacion = KFold(10) # Acá indicamos cuantos fold queremos. En nuestro caso elegimos 10.and

from sklearn.model_selection import cross_val_score resultados = cross_val_score(modelo, X, Y, cv = kfold_validacion) print(resultados) resultados.mean() # para ver el promedio de los resultados