เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

k-Nearest Neighbors: การ Fit โมเดล

ในแบบฝึกหัดนี้ จะได้สร้างโมเดล classification แรกโดยใช้ชุดข้อมูล churn_df ซึ่งโหลดไว้ล่วงหน้าแล้วสำหรับบทนี้

ตัวแปรเป้าหมาย "churn" ต้องเป็นคอลัมน์เดียวที่มีจำนวนการสังเกตการณ์เท่ากับข้อมูล feature โดยข้อมูล feature ได้ถูกแปลงเป็น numpy arrays เรียบร้อยแล้ว

"account_length" และ "customer_service_calls" ถูกใช้เป็น feature เพราะระยะเวลาการใช้บัญชีบ่งบอกถึงความภักดีของลูกค้า ส่วนการโทรหาฝ่ายบริการลูกค้าบ่อยครั้งอาจเป็นสัญญาณของความไม่พอใจ ทั้งสองปัจจัยนี้จึงเป็นตัวทำนาย churn ที่ดี

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Supervised Learning ด้วย scikit-learn

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Import KNeighborsClassifier จาก sklearn.neighbors
  • สร้าง KNeighborsClassifier ชื่อ knn โดยกำหนดจำนวนเพื่อนบ้านเป็น 6
  • Fit classifier กับข้อมูลโดยใช้เมธอด .fit()

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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.____(____, ____)
แก้ไขและรันโค้ด