ÎncepețiÎncepe gratuit

k-Nearest Neighbors: Antrenare

În acest exercițiu, vei construi primul tău model de clasificare folosind setul de date churn_df, care a fost preîncărcat pentru restul capitolului.

Variabila țintă, "churn", trebuie să fie o singură coloană cu același număr de observații ca datele de caracteristici. Datele de caracteristici au fost deja convertite în array-uri numpy.

"account_length" și "customer_service_calls" sunt tratate ca caracteristici deoarece durata contului indică loialitatea clientului, iar apelurile frecvente la serviciul clienți pot semnala nemulțumire – ambele fiind predictori relevanți pentru churn.

Acest exercițiu face parte din cursul

Învățare supravegheată cu scikit-learn

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă KNeighborsClassifier din sklearn.neighbors.
  • Instanțiază un KNeighborsClassifier numit knn cu 6 vecini.
  • Antrenează clasificatorul pe date folosind metoda .fit().

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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.____(____, ____)
Editează și rulează codul