शुरू करेंमुफ़्त में शुरू करें

Train/test split + accuracy निकालना

अब churn_df डेटासेट के साथ अपने डेटा को training और test सेट में बाँटने का अभ्यास कीजिए!

आपके लिए NumPy arrays बना दिए गए हैं जिनमें फीचर्स X में हैं और target वैरिएबल y में है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

scikit-learn के साथ Supervised Learning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • sklearn.model_selection से train_test_split इम्पोर्ट करें.
  • X और y को training और test सेट में बाँटें, जहाँ test_size 20% हो, random_state 42 हो, और target लेबल के अनुपात मूल डेटासेट जैसे बने रहें.
  • knn मॉडल को training डेटा पर फिट करें.
  • test डेटा के लिए मॉडल की accuracy compute करके प्रिंट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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(____, ____))
कोड संपादित करें और चलाएँ