스케일링한 데이터에서의 KNN
스케일링하지 않은 wine 데이터셋에서의 정확도는 나쁘지 않았지만, 표준화를 사용하면 얼마나 개선되는지 확인해 보겠습니다. 이번에도 knn 모델과 X, y 데이터 및 레이블 세트는 이미 준비되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 Machine Learning 전처리
연습 안내
StandardScaler()를 만들어scaler라는 변수에 저장하세요.- 데이터 누수가 발생하지 않도록 주의하면서 학습용과 테스트용 특성을 스케일링하세요.
- 스케일링한 학습 데이터에
knn모델을 학습시키세요. - 테스트 세트 정확도를 계산해 모델 성능을 평가하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
X_train, X_test, y_train, y_test = train_test_split(X, y, stratify=y, random_state=42)
# Instantiate a StandardScaler
scaler = ____
# Scale the training and test features
X_train_scaled = ____.____(____)
X_test_scaled = ____.____(____)
# Fit the k-nearest neighbors model to the training data
____.____(____, ____)
# Score the model on the test data
print(____.____(____, ____))