Wizualizacja złożoności modelu
Masz już obliczoną dokładność modelu KNN na zbiorach treningowym i testowym dla różnych wartości n_neighbors – czas stworzyć krzywą złożoności modelu i sprawdzić, jak zmienia się jego wydajność w zależności od stopnia złożoności!
Zmienne neighbors, train_accuracies i test_accuracies wygenerowane w poprzednim ćwiczeniu są już wczytane. Zwizualizuj wyniki, aby znaleźć optymalną liczbę sąsiadów dla swojego modelu.
To ćwiczenie jest częścią kursu
Nadzorowane uczenie maszynowe z scikit-learn
Instrukcje do ćwiczenia
- Dodaj tytuł
"KNN: Varying Number of Neighbors". - Wykreśl wartości zwrócone przez metodę
.values()ztrain_accuraciesna osi y względemneighborsna osi x, z etykietą"Training Accuracy". - Wykreśl wartości zwrócone przez metodę
.values()ztest_accuraciesna osi y względemneighborsna osi x, z etykietą"Testing Accuracy". - Wyświetl wykres.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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
____