Validemos el modelo comprobando su exactitud (número de muestras bien clasificadas). Para ello vamos a dividir el dataset en un bloque de entrenamiento y otro de validación, entrenando el modelo con el primero de ellos:
X_train, X_test, y_train, y_test = train_test_split(X, y)
model = DecisionTreeClassifier(max_depth = 3)
model.fit(X_train, y_train)
model.fit(X_train, y_train)
Ya sabemos que podemos mostrar la exactitud del modelo usando el método .score():
model.score(X_test, y_test)
0.8421052631578947
Se han clasificado correctamente el 84.2% de las muestras del dataset de validación.
