Začněte nyníZačněte zdarma

Rozdělení na trénovací a testovací sadu + výpočet přesnosti

Je čas procvičit si rozdělení dat na trénovací a testovací sadu s datasetem churn_df!

NumPy pole s příznaky jsou už připravená jako X a cílová proměnná jako y.

Toto cvičení je součástí kurzu

Supervised Learning with scikit-learn

Zobrazit kurz

Pokyny k cvičení

  • Importuj train_test_split z sklearn.model_selection.
  • Rozděl X a y na trénovací a testovací sadu: nastav test_size na 20 %, random_state na 42 a zajisti, aby proporce cílových labelů odpovídaly původnímu datasetu.
  • Natrénuj model knn na trénovacích datech.
  • Vypočítej a vypiš přesnost modelu na testovacích datech.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import the module
from ____ import ____

X = churn_df.drop("churn", axis=1).values
y = churn_df["churn"].values

# Split into training and test sets
X_train, X_test, y_train, y_test = ____(____, ____, test_size=____, random_state=____, stratify=____)
knn = KNeighborsClassifier(n_neighbors=5)

# Fit the classifier to the training data
____

# Print the accuracy
print(knn.score(____, ____))
Upravit a spustit kód