KNN su dati non scalati
Prima di aggiungere la standardizzazione al tuo workflow in scikit-learn, dai un'occhiata all'accuratezza di un modello K-nearest neighbors sul dataset wine senza standardizzare i dati.
Il modello knn, così come i set di dati e le etichette X e y, sono già stati creati.
Questo esercizio fa parte del corso
Preprocessing per il Machine Learning in Python
Istruzioni dell'esercizio
- Suddividi il dataset in set di training e test.
- Esegui il fit del modello
knnsui dati di training. - Stampa l'accuratezza sul set di test del modello
knnaddestrato.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Split the dataset and labels into training and test sets
X_train, X_test, y_train, y_test = ____(____, ____, stratify=y, random_state=42)
# Fit the k-nearest neighbors model to the training data
____
# Score the model on the test data
print(____.____(____, ____))