1. 학습
    2. /
  2. 강의
    3. /
  3. Strojenie hiperparametrów w Pythonie
Connected

연습 문제

Hiperparametry KNN

Dobrą praktyką jest wypróbowanie nowo zdobytej wiedzy na nowym algorytmie. Algorytm k-najbliższych sąsiadów nie jest już tak popularny jak kiedyś, ale wciąż może być świetnym wyborem dla danych, w których grupy obserwacji zachowują się podobnie. Czy tak może być w przypadku naszych użytkowników kart kredytowych?

W tym ćwiczeniu przetestujesz kilka różnych wartości jednego z kluczowych hiperparametrów algorytmu KNN i porównasz wyniki.

Do dyspozycji masz następujące ramki danych:

  • X_train, X_test, y_train, y_test

지침

100 XP
  • Zbuduj estymator KNN dla następujących wartości n_neighbors: [5, 10, 20].
  • Dopasuj każdy model do danych treningowych i wygeneruj predykcje.
  • Oblicz dokładność każdego modelu i wyświetl wyniki.