Teradata Package for Python Function Reference on VantageCloud Lake - fit - Teradata Package for Python - Look here for syntax, methods and examples for the functions included in the Teradata Package for Python.

Teradata® Package for Python Function Reference on VantageCloud Lake

Deployment
VantageCloud
Edition
Lake
Product
Teradata Package for Python
Release Number
20.00.00.11
Publication Date
August 2026
Content Type
Programming Reference
Publication ID
B700-4500-200K
ft:locale
en-US
ft:lastEdition
2026-08-13
ft:sourceId
FTML
dita:id
TeradataPython_FxRef_Lake_2000
Product Category
Teradata Vantage
teradataml.automl.auto_churn.AutoChurn.fit = fit(self, data, target_column=None, id_column='automl_id')
DESCRIPTION:
    Function triggers the AutoML run. It is designed to handle regression , 
    classification and clustering tasks depending on the specified "task_type".
 
PARAMETERS:
    data:
        Required Argument.
        Specifies the input teradataml DataFrame.
        Types: teradataml Dataframe
    
    target_column:
        Required Argument. Optional only for clustering tasks.
        Specifies target column of dataset.
        Types: str or ColumnExpression
    
    id_column:
        Optional Argument.
        Specifies the unique identifier column in the dataset. By default, function
        internally creates a unique id column 'automl_id' if "id_column" is 
        not provided.
        Default Value: "automl_id"
        Types: str or ColumnExpression
 
RETURNS:
    None
 
RAISES:
    TeradataMlException, TypeError, ValueError
    
EXAMPLES:
    # Create an instance of the AutoML called "automl_obj" by referring 
    # "AutoML()" or "AutoRegressor()" or "AutoClassifier()" or 
    # "AutoFraud()" or "AutoChurn()" or "AutoCluster()" method.
    # Perform fit() operation on the "automl_obj".
 
    # Example 1: Fit AutoML by passing column expression for target column.
    >>> automl_obj.fit(data = housing_train, target_col = housing_train.price)
 
    # Example 2: Fit AutoML by passing name of target column.
    >>> automl_obj.fit(data = housing_train, target_col = "price")
 
    # Example 3: Fit fraud detection model on payment_fraud_df.
    >>> automl_obj.fit(data=payment_fraud_df, target_column="isFraud")
 
    # Example 4: Fit churn prediction model on churn_df.
    >>> automl_obj.fit(data=churn_df, target_column="churn")
 
    # Example 5: Passing clustering data for training, 
    # without specifying target column.
    >>> automl_obj.fit(data = bank_train)
 
    # Example 6: Fit AutoML by passing id column.
    >>> automl_obj.fit(admissions_train, "admitted", id_column="id")