Zacznij terazZacznij za darmo

Podział na zbiór treningowy i testowy oraz obliczanie dokładności

Czas poćwiczyć podział danych na zbiór treningowy i testowy, korzystając ze zbioru danych churn_df!

Tablice NumPy zawierające cechy jako X i zmienną docelową jako y zostały już dla ciebie przygotowane.

To ćwiczenie jest częścią kursu

Nadzorowane uczenie maszynowe z scikit-learn

Zobacz kurs

Instrukcje do ćwiczenia

  • Zaimportuj train_test_split z sklearn.model_selection.
  • Podziel X i y na zbiór treningowy i testowy, ustawiając test_size na 20%, random_state na 42 i dbając o to, by proporcje etykiet odpowiadały oryginalnemu zbiorowi danych.
  • Dopasuj model knn do danych treningowych.
  • Oblicz i wyświetl dokładność modelu na danych testowych.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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(____, ____))
Edytuj i uruchom kod