Modellering av UFO-datamängden, del 1

I den här övningen ska du bygga en k-nearest neighbor-modell för att förutsäga vilket land en UFO-observation ägde rum i. Datamängden X innehåller den log-normaliserade sekundkolumnen, one-hot-kodade typkolumner samt månaden och året då observationen inträffade. Etiketterna i y är den kodade landskolumnen, där 1 motsvarar "us" och 0 motsvarar "ca".

Den här övningen är en del av kursen

Förbehandling för maskininlärning i Python

Visa kurs

Övningsinstruktioner

Skriv ut .columns för X-datamängden.
Dela upp X och y, och se till att klassfördelningen av etiketterna är densamma i tränings- och testmängderna. Använd random_state med värdet 42.
Anpassa knn till träningsdatan.
Skriv ut testmängdens noggrannhet för knn-modellen.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Take a look at the features in the X set of data
print(____)

# Split the X and y sets
X_train, X_test, y_train, y_test = ____

# Fit knn to the training sets
knn.____

# Print the score of knn on the test sets
print(____)

Redigera och kör kod