探索流失率並切分資料
延續你在第 1 章的總覽，本課將更深入準備機器學習所需的資料，以進行流失預測。你會先探索流失分佈，並在建模前將資料切分為訓練與測試。透過這個步驟，你能了解流失率如何分佈，並先行前處理資料，之後在訓練集上建立模型，並用未使用的測試資料評估效能。
電信資料集已載入為名為 telcom 的 pandas DataFrame。目標變數欄位為 Churn。
本練習屬於課程
Python 的行銷機器學習
練習說明
- 列印
Churn欄位中的唯一值。 - 計算各流失群組的比例大小。
- 匯入用於將資料切分為訓練與測試的函式。
- 將資料切分為 75% 訓練集與 25% 測試集。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Print the unique Churn values
print(___(telcom['Churn']))
# Calculate the ratio size of each churn group
telcom.___(['Churn']).size() / telcom.shape[0] * 100
# Import the function for splitting data to train and test
from sklearn.model_selection import ___
# Split the data into train and test
train, test = ___(telcom, test_size = .25)