始める無料で始める

訓練データ／テストデータの分割と精度の計算

churn_df データセットを使って、データを訓練セットとテストセットに分割する練習をしましょう。

特徴量を格納した X と目的変数を格納した y という NumPy 配列はあらかじめ用意されています。

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

  • train_test_split から sklearn.model_selection をインポートします。
  • X を 20%、y を test_size に設定し、元のデータセットの目的変数のラベル比率が反映されるように、random_state と 42 を訓練セットとテストセットに分割します。
  • knn モデルを訓練データに適合させます。
  • テストデータに対するモデルの精度を計算して出力します。

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 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(____, ____))
コードを編集して実行