Bắt đầu ngayBắt đầu miễn phí

k-Nearest Neighbors: Huấn luyện (Fit)

Trong bài tập này, bạn sẽ xây dựng mô hình phân loại đầu tiên bằng cách dùng bộ dữ liệu churn_df, đã được nạp sẵn cho phần còn lại của chương.

Biến đích, "churn", cần là một cột đơn có cùng số lượng quan sát với dữ liệu đặc trưng. Dữ liệu đặc trưng đã được chuyển thành các mảng numpy.

"account_length" và "customer_service_calls" được xem là các đặc trưng vì thời gian sử dụng tài khoản thể hiện mức độ trung thành của khách hàng, và việc thường xuyên gọi dịch vụ khách hàng có thể báo hiệu sự không hài lòng — cả hai đều có thể là chỉ báo tốt cho việc rời bỏ dịch vụ (churn).

Bài tập này là một phần của khóa học

Học có giám sát với scikit-learn

Xem khóa học

Hướng dẫn bài tập

  • Import KNeighborsClassifier từ sklearn.neighbors.
  • Khởi tạo một KNeighborsClassifier tên là knn với 6 láng giềng.
  • Huấn luyện bộ phân loại với dữ liệu bằng phương thức .fit().

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# 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.____(____, ____)
Chỉnh sửa và Chạy Mã