ПочатиПочніть безкоштовно

Візуалізація складності моделі

Тепер, коли ви обчислили точність моделі KNN на тренувальній і тестовій вибірках для різних значень n_neighbors, можна побудувати криву складності моделі, щоб побачити, як змінюється якість, коли модель стає менш складною!

Змінні neighbors, train_accuracies і test_accuracies, які ви створили в попередній вправі, уже завантажено. Ви побудуєте графік результатів, щоб допомогти визначити оптимальну кількість сусідів для вашої моделі.

Ця вправа є частиною курсу

Кероване навчання зі scikit-learn

Переглянути курс

Інструкції до вправи

  • Додайте заголовок "KNN: Varying Number of Neighbors".
  • Побудуйте метод .values() від train_accuracies по осі y проти neighbors по осі x з міткою "Training Accuracy".
  • Побудуйте метод .values() від test_accuracies по осі y проти neighbors по осі x з міткою "Testing Accuracy".
  • Відобразіть графік.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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
____
Редагувати та запускати код