मॉडल कॉम्प्लेक्सिटी का विज़ुअलाइज़ेशन
अब जब आपने n_neighbors के विभिन्न मानों का उपयोग करके प्रशिक्षण और टेस्ट सेट पर KNN मॉडल की accuracy निकाल ली है, तो आप एक मॉडल कॉम्प्लेक्सिटी कर्व बना सकते हैं ताकि देखें कि जैसे-जैसे मॉडल कम जटिल होता है, प्रदर्शन कैसे बदलता है!
पिछले अभ्यास में आपने जो वैरिएबल बनाए थे — neighbors, train_accuracies, और test_accuracies — वे आपके लिए पहले से लोड हैं. आप इन परिणामों को प्लॉट करेंगे ताकि अपने मॉडल के लिए पड़ोसियों की आदर्श संख्या खोजने में मदद मिले.
यह अभ्यास पाठ्यक्रम का हिस्सा है
scikit-learn के साथ Supervised Learning
अभ्यास निर्देश
- शीर्षक जोड़ें:
"KNN: Varying Number of Neighbors". neighborsको x-अक्ष पर लेते हुए, y-अक्ष परtrain_accuraciesकी.values()को"Training Accuracy"लेबल के साथ प्लॉट करें.neighborsको x-अक्ष पर लेते हुए, y-अक्ष परtest_accuraciesकी.values()को"Testing Accuracy"लेबल के साथ प्लॉट करें.- प्लॉट दिखाएँ.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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
____