1. 학습
    2. /
  2. 강의
    3. /
  3. Python으로 배우는 금융 분야 Machine Learning
Connected

연습 문제

n_neighbors 최적화

이제 데이터를 스케일링했으니 KNN 모델을 사용해 볼 수 있어요. 성능을 최대화하려면 모델의 하이퍼파라미터를 튜닝해야 해요. k-최근접 이웃 알고리즘에는 하이퍼파라미터가 하나뿐인데, 바로 이웃의 수 n이에요. 이 하이퍼파라미터는 KNeighborsRegressor로 모델을 만들 때 설정하며, 이웃 수를 지정하는 인수는 n_neighbors예요.

최적의 성능을 내는 설정을 지나가도록 값의 범위를 시도해 봐야 해요. 보통 이웃 2부터 시작해, 평가지표가 떨어지기 시작할 때까지 늘려 가요. 여기서는 테스트 세트(scaled_test_features, test_targets)에 대해 .score() 메서드가 반환하는 R\(^2\) 값을 사용해 n을 최적화하겠습니다. 테스트 세트 점수를 바탕으로 최적의 n을 결정해요.

지침

100 XP
  • n을 2부터 12까지 반복하며 knn 모델의 n_neighbors로 설정하세요.
  • 훈련 데이터(scaled_train_features, train_targets)에 모델을 학습시키세요.
  • knn 모델의 .score() 메서드로 훈련 세트와 테스트 세트의 R\(^2\) 값을 출력하고, 테스트 세트에서 가장 높은 점수를 기록해 두세요.