1. Nauka
  2. /
  3. Kursy
  4. /
  5. scikit-learn으로 배우는 지도 학습

Connected

ćwiczenie

과적합과 과소적합

모델 복잡도를 해석하는 것은 지도 학습 성능을 평가하는 좋은 방법입니다. 여러분의 목표는 특징과 타깃 변수 간의 관계를 해석할 수 있을 뿐만 아니라, 새로운 관측값에 노출되었을 때도 잘 일반화되는 모델을 만드는 것입니다.

학습 및 테스트 세트는 churn_df 데이터 세트에서 생성되었으며 X_train, X_test, y_train, y_test로 미리 로드되었습니다.

또한, 여러분을 위해 KNeighborsClassifier가 미리 import 되었고, numpy는 np로 import 되었습니다.

Instrukcje

100 XP
  • 1부터 12까지의 값을 포함하는 numpy 배열로 neighbors를 만드세요.
  • 이웃 수를 neighbor 반복자와 같게 설정한 KNeighborsClassifier를 인스턴스화하세요.
  • 모델을 학습 데이터에 학습시키세요.
  • .score() 메서드를 사용하여 학습 세트와 테스트 세트에 대한 정확도 점수를 각각 계산하고, neighbor 반복자를 인덱스로 활용하여 결과를 각각 train_accuracies와 test_accuracies 딕셔너리에 할당하세요.