1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Machine Learning for Finance in Python
Connected

Cvičení

Vyhodnocení výkonu KNN

Právě jsme si všimli několika věcí ohledně skóre KNN. Trénovací skóre začínalo vysoko a s rostoucím n klesalo, což je typické chování. Výkon na testovací sadě dosáhl vrcholu při hodnotě 5 – tu použijeme jako nastavení v konečném KNN modelu.

Jako už několikrát předtím, zkontrolujeme výkon vizuálně. Díky tomu uvidíme, jak dobře model předpovídá v různých oblastech skutečných hodnot. Předpovědi z modelu knn získáme pomocí metody .predict() aplikované na škálované příznaky. Pak použijeme plt.scatter() z knihovny matplotlib a vytvoříme bodový graf skutečných hodnot oproti předpovězeným.

Pokyny

100 XP
  • Nastav n_neighbors v KNeighborsRegressor na nejlepší hodnotu 5 (zjištěnou v předchozím cvičení).
  • Získej předpovědi pomocí modelu knn z scaled_train_features a scaled_test_features.
  • Vytvoř bodový graf test_targets oproti test_predictions a označ ho jako test.