KNN pe date scalate

Scorul de acuratețe obținut pe setul de date wine nescalat a fost decent, dar hai să vedem ce poți obține prin standardizare. Ca și înainte, modelul knn, precum și datele X și etichetele y au fost deja create pentru tine.

Acest exercițiu face parte din cursul

Preprocesare pentru Machine Learning în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Creează metoda StandardScaler() și stocheaz-o într-o variabilă numită scaler.
Scalează caracteristicile de antrenament și de test, având grijă să nu introduci scurgeri de date.
Antrenează modelul knn pe datele de antrenament scalate.
Evaluează performanța modelului calculând acuratețea pe setul de test.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

X_train, X_test, y_train, y_test = train_test_split(X, y, stratify=y, random_state=42)

# Instantiate a StandardScaler
scaler = ____

# Scale the training and test features
X_train_scaled = ____.____(____)
X_test_scaled = ____.____(____)

# Fit the k-nearest neighbors model to the training data
____.____(____, ____)

# Score the model on the test data
print(____.____(____, ____))

Editează și rulează codul