शुरू करेंमुफ़्त में शुरू करें

Scaled डेटा पर KNN

Unscaled wine डेटासेट पर accuracy score ठीक-ठाक था, लेकिन standardization का उपयोग करके आप क्या हासिल कर सकते हैं, यह देखते हैं। एक बार फिर, knn मॉडल के साथ-साथ X और y डेटा और लेबल सेट आपके लिए पहले से बनाए जा चुके हैं।

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Machine Learning के लिए Preprocessing

पाठ्यक्रम देखें

अभ्यास निर्देश

  • StandardScaler() मेथड बनाएँ और उसे scaler नाम के वैरिएबल में स्टोर करें.
  • Training और test फीचरों को scale करें, ध्यान रहे कि data leakage न हो.
  • Scaled training डेटा पर knn मॉडल को fit करें.
  • Test set accuracy निकालकर मॉडल का प्रदर्शन evaluate करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

X_train, X_test, y_train, y_test = train_test_split(X, y, stratify=y, random_state=42)

# Instantiate a StandardScaler
scaler = ____

# Scale the training and test features
X_train_scaled = ____.____(____)
X_test_scaled = ____.____(____)

# Fit the k-nearest neighbors model to the training data
____.____(____, ____)

# Score the model on the test data
print(____.____(____, ____))
कोड संपादित करें और चलाएँ