学習用データサイズを変えてみる
学習用データとテスト用データのサイズは、モデルの性能に影響します。学習用データが多いほど、モデルはよりよく学習します。しかし、学習用データに過剰適合して新しいデータにうまく汎化できなくなるリスクもあります。モデルの汎化能力を正しく評価するには、十分なテスト用データも必要です。そのため、学習に使う割合とテストに確保する割合の間には、重要なバランスとトレードオフがあります。
これまでは学習に70%、テストに30%を使ってきました。ここでは学習に80%のデータを使い、モデル性能がどのように変化するか評価してみましょう。
この演習はコースの一部です
マーケティングアナリティクス：Pythonで顧客解約を予測する
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Import train_test_split
from sklearn.model_selection import train_test_split
# Create feature variable
X = telco.drop('Churn', axis=1)
# Create target variable
y = telco['Churn']
# Create training and testing sets
X_train, X_test, y_train, y_test = ____