Kom igångKom igång gratis

Tränings-/testuppdelning och beräkning av träffsäkerhet

Nu är det dags att öva på att dela upp data i tränings- och testmängder med datamängden churn_df!

NumPy-arrayer har redan skapats åt dig med särdragen i X och målvariabeln i y.

Den här övningen är en del av kursen

Övervakad inlärning med scikit-learn

Visa kurs

Övningsinstruktioner

  • Importera train_test_split från sklearn.model_selection.
  • Dela upp X och y i tränings- och testmängder, sätt test_size till 20%, random_state till 42, och se till att etikettproportionerna speglar den ursprungliga datamängden.
  • Anpassa knn-modellen till träningsdata.
  • Beräkna och skriv ut modellens träffsäkerhet för testdata.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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(____, ____))
Redigera och kör kod