시작하기무료로 시작하기

k-최근접 이웃 (KNN): Fit

이 실습 문제에서는 churn_df 데이터 세트를 사용하여 여러분의 첫 번째 분류 모델을 구축해 볼 것입니다. 이 데이터 세트는 이 챕터의 나머지 부분에서 계속 사용할 수 있도록 미리 로드되어 있습니다.

타깃인 "churn"은 특성 데이터와 동일한 수의 관측값을 가진 단일 열이어야 합니다. 특성 데이터는 이미 numpy 배열로 변환되었습니다.

"account_length" and "customer_service_calls"는 계정 유지 기간이 고객 충성도를 나타내고, 잦은 고객 서비스 문의는 불만을 나타낼 수 있기 때문에, 이 둘 모두 이탈을 예측하는 데 유용한 특성으로 간주됩니다.

이 연습은 강의의 일부입니다

scikit-learn으로 배우는 지도 학습

강의 보기

연습 안내

  • sklearn.neighbors에서 KNeighborsClassifier를 가져오세요.
  • 6개의 이웃을 가진 knn이라는 KNeighborsClassifier를 인스턴스화하세요.
  • .fit() 메서드를 사용하여 분류기를 데이터에 학습시키세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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.____(____, ____)
코드 편집 및 실행