始める無料で始める

モデルの複雑さの可視化

さまざまな n_neighbors の値を使って、訓練セットとテストセットにおける KNN モデルの精度を計算しました。次は、モデルの複雑さが変わるにつれてパフォーマンスがどのように変化するかを視覚的に確認するため、モデル複雑度曲線を作成しましょう。

前の演習で生成した変数 neighbors、train_accuracies、test_accuracies はあらかじめ読み込まれています。モデルに最適な近傍数を見つけるために、結果をグラフにプロットしましょう。

この演習はコースの一部です

scikit-learn による教師あり学習

コースを見る

演習の手順

  • タイトルに "KNN: Varying Number of Neighbors" を設定します。
  • .values() の train_accuracies メソッドの結果を y 軸に、neighbors を x 軸にプロットし、ラベルを "Training Accuracy" とします。
  • .values() の test_accuracies メソッドの結果を y 軸に、neighbors を x 軸にプロットし、ラベルを "Testing Accuracy" とします。
  • グラフを表示します。

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。

# 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
____
コードを編集して実行