모델 복잡도 시각화
이제 다양한 n_neighbors 값을 사용하여 학습 세트와 테스트 세트에서 KNN 모델의 정확도를 계산했으므로, 모델 복잡도 곡선을 생성하여 모델이 덜 복잡해짐에 따라 성능이 어떻게 변하는지 시각화할 수 있습니다!
이전 실습 문제에서 생성한 변수 neighbors, train_accuracies, test_accuracies가 모두 미리 로드되어 있습니다. 모델에 가장 적합한 이웃 수를 찾는 데 도움이 되도록 결과를 그래프로 나타내세요.
이 연습은 강의의 일부입니다
scikit-learn으로 배우는 지도 학습
연습 안내
"KNN: Varying Number of Neighbors"라는 제목을 추가하세요..values()메서드의train_accuracies를 y축에,neighbors를 x축으로 하여 나타내고, 레이블을"Training Accuracy"로 설정하세요..values()메서드의test_accuracies를 y축에,neighbors를 x축으로 하여 나타내고, 레이블을"Testing Accuracy"로 설정하세요.- 그래프를 표시하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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
____