Memvisualisasikan kompleksitas model
Sekarang setelah Anda menghitung akurasi model KNN pada himpunan data pelatihan dan pengujian menggunakan berbagai nilai n_neighbors, Anda dapat membuat kurva kompleksitas model untuk memvisualisasikan bagaimana kinerja berubah saat model menjadi kurang kompleks!
Variabel neighbors, train_accuracies, dan test_accuracies, yang Anda hasilkan pada latihan sebelumnya, telah dimuat untuk Anda. Anda akan memplot hasilnya untuk membantu menemukan jumlah tetangga yang optimal bagi model Anda.
Latihan ini merupakan bagian dari kursus
Supervised Learning dengan scikit-learn
Instruksi latihan
- Tambahkan judul
"KNN: Varying Number of Neighbors". - Plot metode
.values()daritrain_accuraciespada sumbu y terhadapneighborspada sumbu x, dengan label"Training Accuracy". - Plot metode
.values()daritest_accuraciespada sumbu y terhadapneighborspada sumbu x, dengan label"Testing Accuracy". - Tampilkan plot.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# 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
____