KNN का प्रदर्शन आँकें
हमने अभी अपने KNN स्कोर में कुछ बातें देखीं. पहली, ट्रेनिंग स्कोर शुरू में ऊँचे थे और n बढ़ने पर घटते गए, जो सामान्य है. लेकिन टेस्ट सेट का प्रदर्शन 5 पर चरम पर पहुँचा, और हम उसे ही अंतिम KNN मॉडल की सेटिंग के रूप में लेंगे.
जैसा हम पहले भी कर चुके हैं, हम अपना प्रदर्शन विज़ुअली जाँचेंगे. इससे हमें दिखता है कि वास्तविक मानों के अलग-अलग हिस्सों पर मॉडल कितनी अच्छी भविष्यवाणी कर रहा है. हम अपने knn मॉडल से स्केल किए हुए फीचर्स पर .predict() मेथड चलाकर प्रेडिक्शंस लेंगे. फिर matplotlib की plt.scatter() से वास्तविक बनाम प्रेडिक्टेड मानों का स्कैटर प्लॉट बनाएँगे.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Finance के लिए Machine Learning
अभ्यास निर्देश
- पिछले अभ्यास में मिले सर्वोत्तम मान 5 को
KNeighborsRegressorमेंn_neighborsके रूप में सेट करें. scaled_train_featuresऔरscaled_test_featuresसेknnमॉडल का उपयोग करके प्रेडिक्शंस प्राप्त करें.test_targetsबनामtest_predictionsका स्कैटर प्लॉट बनाएँ और उसेtestके रूप में लेबल करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Create the model with the best-performing n_neighbors of 5
knn = KNeighborsRegressor(____)
# Fit the model
knn.fit(scaled_train_features, train_targets)
# Get predictions for train and test sets
train_predictions = ____
test_predictions = ____
# Plot the actual vs predicted values
plt.scatter(train_predictions, train_targets, label='train')
plt.scatter(____)
plt.legend()
plt.show()