НачатьНачать бесплатно

Разбивка на обучающую и тестовую выборки + вычисление точности

Пришло время потренироваться разбивать данные на обучающую и тестовую выборки с помощью набора данных churn_df!

Массивы NumPy уже созданы для вас: признаки хранятся в переменной X, а целевая переменная — в y.

Это упражнение является частью курса

Обучение с учителем с помощью scikit-learn

Посмотреть курс

Инструкции к упражнению

  • Импортируйте train_test_split из sklearn.model_selection.
  • Разбейте X и y на обучающую и тестовую выборки: задайте test_size равным 20%, random_state равным 42 и убедитесь, что соотношение классов целевой переменной соответствует исходному набору данных.
  • Обучите модель knn на обучающих данных.
  • Вычислите и выведите точность модели на тестовых данных.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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(____, ____))
Редактировать и запускать код