k-Nearest Neighbors：模型訓練（Fit）
在這個練習中，你會使用已為本章後續內容預先載入的 churn_df 資料集，建立你的第一個分類模型。
目標欄位 "churn" 需要是單一欄位，且觀測值數量要與特徵資料相同。特徵資料已經轉換為 numpy 陣列。
"account_length" 與 "customer_service_calls" 被當作特徵，因為帳戶使用時間可反映顧客忠誠度，而頻繁的客服來電可能代表不滿，兩者都可能是良好的流失（churn）預測指標。
本練習屬於課程
使用 scikit-learn 進行監督式學習
練習說明
- 從
sklearn.neighbors匯入KNeighborsClassifier。 - 建立一個名為
knn、鄰居數為6的KNeighborsClassifier實例。 - 使用
.fit()方法將分類器訓練於資料上。
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。
# 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.____(____, ____)