शुरू करेंमुफ़्त में शुरू करें

KNN के Hyperparameters

पिछले अभ्यास में सीखे गए कॉन्सेप्ट्स को लागू करने के लिए, किसी नए एल्गोरिदम पर उन्हें आज़माना एक अच्छी प्रैक्टिस है। k-nearest-neighbors एल्गोरिदम पहले जितना लोकप्रिय नहीं रहा, लेकिन अगर डेटा में एक जैसे व्यवहार करने वाले समूह हों, तो यह अब भी बढ़िया विकल्प हो सकता है। क्या हमारे क्रेडिट कार्ड यूज़र्स के लिए ऐसा हो सकता है?

इस अभ्यास में आप knn एल्गोरिदम के एक कोर हाइपरपैरामीटर के कई अलग-अलग मान आज़माएँगे और परफॉर्मेंस की तुलना करेंगे.

आपके पास उपलब्ध होगा:

  • X_train, X_test, y_train, y_test DataFrames

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Hyperparameter Tuning

पाठ्यक्रम देखें

अभ्यास निर्देश

  • n_neighbors के निम्न मानों [5,10,20] के लिए एक knn इस्टीमेटर बनाइए.
  • प्रत्येक को training डेटा पर fit कीजिए और predictions निकालिए.
  • हर मॉडल के लिए accuracy score पाइए और उन्हें प्रिंट कीजिए.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Build a knn estimator for each value of n_neighbours
knn_5 = KNeighborsClassifier(n_neighbors=____)
knn_10 = KNeighborsClassifier(n_neighbors=____)
knn_20 = KNeighborsClassifier(n_neighbors=____)

# Fit each to the training data & produce predictions
knn_5_predictions = knn_5.fit(_____, _____).predict(_____)
knn_10_predictions = knn_10.fit(_____, _____).predict(_____)
knn_20_predictions = knn_20.fit(_____, _____).predict(_____)

# Get an accuracy score for each of the models
knn_5_accuracy = accuracy_score(y_test, _____)
knn_10_accuracy = accuracy_score(y_test, _____)
knn_20_accuracy = accuracy_score(y_test, _____)
print("The accuracy of 5, 10, 20 neighbours was {}, {}, {}".format(_____, _____, _____))
कोड संपादित करें और चलाएँ