ПочатиПочніть безкоштовно

Поділ на train/test і обчислення точності

Час попрактикуватися в поділі даних на тренувальну й тестову вибірки з набором churn_df!

Для вас вже створено масиви NumPy: ознаки в X, а цільова змінна в y.

Ця вправа є частиною курсу

Кероване навчання зі scikit-learn

Переглянути курс

Інструкції до вправи

  • Імпортуйте train_test_split з sklearn.model_selection.
  • Розбийте X і y на тренувальну та тестову вибірки, встановивши test_size рівним 20%, random_state — 42, і забезпечивши, щоб пропорції цільових міток відповідали оригінальному набору даних.
  • Навчіть модель knn на тренувальних даних.
  • Обчисліть і виведіть точність моделі на тестових даних.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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(____, ____))
Редагувати та запускати код