KNN på oskalad data
Innan du lägger till standardisering i ditt scikit-learn-flöde ska du först titta på noggrannheten hos en K-nearest neighbors-modell på datamängden wine utan att standardisera datan.
Modellen knn samt dataseten X och y med etiketter har redan skapats.
Den här övningen är en del av kursen
Förbehandling för maskininlärning i Python
Övningsinstruktioner
- Dela upp datamängden i tränings- och testset.
- Träna
knn-modellen på träningsdatan. - Skriv ut testsetets noggrannhet för din tränade
knn-modell.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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(____.____(____, ____))