Vizualizace složitosti modelu
Teď, když jsi vypočítal/a přesnost modelu KNN na trénovací a testovací sadě pro různé hodnoty n_neighbors, můžeš vytvořit křivku složitosti modelu a vizualizovat, jak se výkon mění s tím, jak se model zjednodušuje!
Proměnné neighbors, train_accuracies a test_accuracies, které jsi vygeneroval/a v předchozím cvičení, jsou již načtené. Výsledky teď vykreslíš do grafu, který ti pomůže najít optimální počet sousedů pro tvůj model.
Toto cvičení je součástí kurzu
Supervised Learning with scikit-learn
Pokyny k cvičení
- Přidej nadpis
"KNN: Varying Number of Neighbors". - Vykresli hodnoty metody
.values()ztrain_accuraciesna osu y protineighborsna ose x s popiskem"Training Accuracy". - Vykresli hodnoty metody
.values()ztest_accuraciesna osu y protineighborsna ose x s popiskem"Testing Accuracy". - Zobraz graf.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Add a title
plt.title("____")
# Plot training accuracies
plt.plot(____, ____, label="____")
# Plot test accuracies
plt.plot(____, ____, label="____")
plt.legend()
plt.xlabel("Number of Neighbors")
plt.ylabel("Accuracy")
# Display the plot
____