1. Learn
    2. /
  2. Курси
    3. /
  3. Machine Learning для фінансів у Python
Connected

Вправа

Оцінювання продуктивності KNN

Ми щойно побачили кілька речей у наших оцінках KNN. По-перше, тренувальні бали починалися високими й зменшувалися зі збільшенням n, що є типовим. Продуктивність на тестовій вибірці досягла піку при 5, і ми використаємо це значення як налаштування у фінальній моделі KNN.

Як ми вже робили кілька разів, перевіримо продуктивність візуально. Це допоможе побачити, наскільки добре модель передбачає в різних діапазонах фактичних значень. Отримаємо передбачення з нашої моделі knn за допомогою методу .predict() на масштабованих ознаках. Потім скористаємося plt.scatter() з matplotlib, щоб створити точкову діаграму фактичних значень проти передбачених.

Інструкції

100 XP
  • Встановіть n_neighbors у KNeighborsRegressor на найкраще значення 5 (знайдене в попередній вправі).
  • Отримайте передбачення за допомогою моделі knn з scaled_train_features і scaled_test_features.
  • Створіть точкову діаграму test_targets проти test_predictions і позначте її як test.