Kom igångKom igång gratis

k-Nearest Neighbors: Träna modellen

I den här övningen bygger du din första klassificeringsmodell med hjälp av datamängden churn_df, som är förinläst för resten av kapitlet.

Målet, "churn", behöver vara en enskild kolumn med samma antal observationer som särdragsdata. Särdragsdata har redan konverterats till numpy-arrayer.

"account_length" och "customer_service_calls" används som särdrag eftersom kontolängd är ett mått på kundlojalitet och täta samtal till kundtjänst kan tyda på missnöje – båda är goda prediktorer för kundbortfall.

Den här övningen är en del av kursen

Övervakad inlärning med scikit-learn

Visa kurs

Övningsinstruktioner

  • Importera KNeighborsClassifier från sklearn.neighbors.
  • Skapa en instans av KNeighborsClassifier med namnet knn och 6 grannar.
  • Anpassa klassificeraren till data med hjälp av metoden .fit().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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.____(____, ____)
Redigera och kör kod