1. Apprendre
    2. /
  2. Cours
    3. /
  3. Apprentissage supervisé avec scikit-learn
Connected

Exercice

k plus proches voisins : Ajustement

Dans cet exercice, vous allez créer votre premier modèle de classification en utilisant l'ensemble de données churn_df, qui a été préchargé pour le reste du chapitre.

La cible, "churn", doit être une seule colonne avec le même nombre d'observations que les données de variables explicatives. Les données de variables explicatives ont déjà été converties en tableaux numpy.

"account_length" et "customer_service_calls" sont traitées comme des variables explicatives, car la durée du compte peut indiquer la fidélité de la clientèle, et des appels fréquents au service à la clientèle peuvent révéler une insatisfaction, deux éléments qui peuvent bien prédire le désabonnement.

Instructions

100 XP
  • Importez KNeighborsClassifier à partir de sklearn.neighbors.
  • Instanciez un KNeighborsClassifier nommé knn avec 6 voisins.
  • Ajustez le classificateur aux données à l'aide de la méthode .fit().