ComeçarComece de graça

Visualização da complexidade do modelo

Agora que você calculou a precisão do modelo kNN nos conjuntos de treinamento e teste usando diversos valores de n_neighbors, é possível criar uma curva de complexidade do modelo para visualizar como o desempenho muda à medida que o modelo se torna menos complexo!

As variáveis neighbors, train_accuracies e test_accuracies, que você gerou no exercício anterior, foram pré-carregadas para você. Gere um gráfico dos resultados para ajudar a encontrar o número ideal de vizinhos para o seu modelo.

Este exercício faz parte do curso

Aprendizado Supervisionado com o scikit-learn

Ver curso

Instruções do exercício

  • Adicione o título "KNN: Varying Number of Neighbors".
  • Gere um gráfico do método .values() com train_accuracies no eixo y e neighbors no eixo x, usando "Training Accuracy" como rótulo.
  • Gere um gráfico do método .values() com test_accuracies no eixo y e neighbors no eixo x, usando "Testing Accuracy" como rótulo.
  • Mostre o gráfico.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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
____
Editar e executar o código