KNN บนข้อมูลที่ผ่านการ scaling

คะแนน accuracy บนชุดข้อมูล wine ที่ยังไม่ได้ scaling นั้นอยู่ในเกณฑ์ดี แต่ลองมาดูกันว่าการใช้ standardization จะช่วยให้ผลลัพธ์ดีขึ้นแค่ไหน โมเดล knn รวมถึงข้อมูล X, y และ labels ถูกสร้างไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การเตรียมข้อมูลสำหรับ Machine Learning ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

สร้าง StandardScaler() แล้วเก็บไว้ในตัวแปรชื่อ scaler
Scale ฟีเจอร์ชุด training และ test โดยระวังไม่ให้เกิด data leakage
Fit โมเดล knn กับข้อมูล training ที่ผ่านการ scaling แล้ว
ประเมินประสิทธิภาพของโมเดลด้วยการคำนวณค่า accuracy บนชุดข้อมูล test

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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(____.____(____, ____))

แก้ไขและรันโค้ด