1. 학습
    2. /
  2. 강의
    3. /
  3. Python에서의 하이퍼파라미터 튜닝
Connected

연습 문제

KNN의 하이퍼파라미터

이전 연습에서 배운 개념을 적용하려면, 새로운 알고리즘에 시도해 보는 것이 좋습니다. k-nearest-neighbors 알고리즘은 예전만큼 대중적이지는 않지만, 유사한 방식으로 행동하는 데이터 군집이 있을 때는 훌륭한 선택이 될 수 있어요. 우리 신용카드 사용자 데이터에도 이런 특성이 있을까요?

이번에는 knn 알고리즘의 핵심 하이퍼파라미터 중 하나에 대해 여러 값을 시도하고 성능을 비교해 보겠습니다.

다음 데이터가 제공됩니다:

  • X_train, X_test, y_train, y_test DataFrame

지침

100 XP
  • n_neighbors 값을 [5,10,20]로 바꿔가며 knn 추정기를 만드세요.
  • 각 모델을 학습 데이터에 적합하고, 예측 값을 생성하세요.
  • 각 모델의 정확도를 계산해 출력하세요.