Visualisera modellkomplexitet
Nu har du beräknat noggrannheten för KNN-modellen på tränings- och testmängderna med olika värden på n_neighbors. Nästa steg är att skapa en kurva över modellkomplexitet för att visualisera hur prestandan förändras när modellen blir enklare!
Variablerna neighbors, train_accuracies och test_accuracies, som du skapade i föregående övning, har redan laddats in. Plotta resultaten för att hitta det optimala antalet grannar för din modell.
Den här övningen är en del av kursen
Övervakad inlärning med scikit-learn
Övningsinstruktioner
- Lägg till titeln
"KNN: Varying Number of Neighbors". - Plotta
.values()-metoden förtrain_accuraciespå y-axeln motneighborspå x-axeln, med etiketten"Training Accuracy". - Plotta
.values()-metoden förtest_accuraciespå y-axeln motneighborspå x-axeln, med etiketten"Testing Accuracy". - Visa diagrammet.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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
____