KNN na niezeskalowanych danych
Zanim dodasz standaryzację do swojego przepływu pracy w scikit-learn, sprawdź dokładność modelu K-najbliższych sąsiadów na zbiorze danych wine – bez wcześniejszego standaryzowania danych.
Model knn oraz zbiory danych i etykiet X i y zostały już przygotowane.
To ćwiczenie jest częścią kursu
Preprocessing w uczeniu maszynowym w Pythonie
Instrukcje do ćwiczenia
- Podziel zbiór danych na zbiór treningowy i testowy.
- Dopasuj model
knndo danych treningowych. - Wyświetl dokładność wytrenowanego modelu
knnna zbiorze testowym.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Split the dataset and labels into training and test sets
X_train, X_test, y_train, y_test = ____(____, ____, stratify=y, random_state=42)
# Fit the k-nearest neighbors model to the training data
____
# Score the model on the test data
print(____.____(____, ____))