始める無料で始める

k-最近傍法：モデルのフィット

この演習では、本章を通じて使用する churn_df データセットを使って、最初の分類モデルを構築します。

目的変数 "churn" は、特徴量データと同じ観測数を持つ1列のデータである必要があります。特徴量データはすでに numpy 配列に変換済みです。

"account_length" and "customer_service_calls"を特徴量として使用します。契約期間は顧客のロイヤルティを示し、問い合わせ回数が多い場合は不満を抱えている可能性があるため、どちらも解約予測に有効な指標です。

この演習はコースの一部です

scikit-learn による教師あり学習

コースを見る

演習の手順

  • KNeighborsClassifier から sklearn.neighbors をインポートします。
  • 近傍数を KNeighborsClassifier に設定した knn を 6 という名前でインスタンス化します。
  • .fit() メソッドを使って、分類器をデータにフィットさせます。

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 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.____(____, ____)
コードを編集して実行