KNN のハイパーパラメータ
前の演習で学んだ概念を定着させるには、新しいアルゴリズムで試してみるのが効果的です。k-nearest neighbors アルゴリズムは以前ほど一般的ではありませんが、似た挙動のグループがあるデータには今でも有力な選択肢になり得ます。クレジットカードユーザーのデータでも当てはまるでしょうか？
ここでは、knn アルゴリズムの主要なハイパーパラメータの1つについて複数の値を試し、性能を比較します。
利用できるもの:
X_train,X_test,y_train,y_testの各 DataFrame
この演習はコースの一部です
Pythonでのハイパーパラメータチューニング
演習の手順
n_neighborsを [5,10,20] に設定して knn 推定器を作成します。- それぞれを学習用データに
fitし、予測を作成します。 - 各モデルの正解率を算出し、出力してください。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Build a knn estimator for each value of n_neighbours
knn_5 = KNeighborsClassifier(n_neighbors=____)
knn_10 = KNeighborsClassifier(n_neighbors=____)
knn_20 = KNeighborsClassifier(n_neighbors=____)
# Fit each to the training data & produce predictions
knn_5_predictions = knn_5.fit(_____, _____).predict(_____)
knn_10_predictions = knn_10.fit(_____, _____).predict(_____)
knn_20_predictions = knn_20.fit(_____, _____).predict(_____)
# Get an accuracy score for each of the models
knn_5_accuracy = accuracy_score(y_test, _____)
knn_10_accuracy = accuracy_score(y_test, _____)
knn_20_accuracy = accuracy_score(y_test, _____)
print("The accuracy of 5, 10, 20 neighbours was {}, {}, {}".format(_____, _____, _____))