Erste SchritteKostenlos loslegen

Nächste-Nachbarn-Klassifikation: Anpassung

In dieser Übung erstellst du dein erstes Klassifikationsmodell mithilfe des Datensatzes churn_df, der für den Rest des Kapitels bereits geladen wurde.

Das Ziel, "churn", muss eine einzelne Spalte mit derselben Anzahl von Beobachtungen sein wie die Merkmalsdaten. Die Merkmalsdaten wurden bereits in numpy-Arrays umgewandelt.

"account_length" und "customer_service_calls" werden als Merkmale behandelt, weil die Dauer des Kontobestehens auf Kundentreue hindeutet und häufige Anfragen beim Kundendienst Unzufriedenheit signalisieren können – beides sind potenziell gute Prädiktoren für die Abwanderung.

Diese Übung ist Teil des Kurses

Überwachtes Lernen mit scikit-learn

Kurs anzeigen

Anleitung zur Übung

  • Importiere KNeighborsClassifier von sklearn.neighbors.
  • Instanziiere einen KNeighborsClassifier namens knn mit 6 Nachbarn.
  • Passe den Klassifikator mit der Methode .fit() an die Daten an.

Interaktive Übung zum Anfassen

Probieren Sie diese Übung aus, indem Sie diesen Beispielcode ausführen.

# Import KNeighborsClassifier
from ____.____ import ____ 

y = churn_df["churn"].values
X = churn_df[["account_length", "customer_service_calls"]].values

# Create a KNN classifier with 6 neighbors
knn = ____(____=____)

# Fit the classifier to the data
knn.____(____, ____)
Bearbeiten und Ausführen von Code