Separa le feature e la variabile target
Ora che hai diviso i dati in training e testing, è il momento di eseguire l’ultimo passaggio prima di addestrare il modello: separare le feature e la variabile target in dataset diversi. Userai l’elenco dei nomi delle colonne che è già stato caricato per te.
Il dataset principale è caricato come telcom ed è suddiviso in training e testing, caricati come DataFrame di pandas in train e test rispettivamente. Le liste target e custid contengono i nomi della variabile target e dell’ID cliente. Dovrai creare la lista cols con i nomi delle colonne rimanenti. Sentiti libero di esplorare i dataset nella console.
Questo esercizio fa parte del corso
Machine Learning per il marketing con Python
Istruzioni dell'esercizio
- Salva i nomi delle colonne di
telcomin una lista escludendo la variabile target e l’ID cliente. - Estrai le feature e il target del training.
- Estrai le feature e il target del testing.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Store column names from `telcom` excluding target variable and customer ID
cols = [col for col in ___.columns if col not in ___ + target]
# Extract training features
train_X = train[___]
# Extract training target
train_Y = train[___]
# Extract testing features
test_X = test[___]
# Extract testing target
test_Y = test[___]