1. Learn
    2. /
  2. Курси
    3. /
  3. Кероване навчання зі scikit-learn
Connected

вправа

Переобладнання та недообладнання

Інтерпретація складності моделі — це чудовий спосіб оцінити якість контрольованого навчання. Ваша мета — побудувати модель, яка вміє виявляти зв'язок між ознаками та цільовою змінною і водночас добре узагальнює на нові спостереження.

Тренувальну та тестову вибірки створено з набору даних churn_df і попередньо завантажено як X_train, X_test, y_train та y_test.

Крім того, для вас вже імпортовано KNeighborsClassifier, а також numpy як np.

Інструкції

100 XP
  • Створіть neighbors як масив numpy зі значеннями від 1 до включно 12.
  • Створіть екземпляр KNeighborsClassifier з кількістю сусідів, що дорівнює ітератору neighbor.
  • Навчіть модель на тренувальних даних.
  • Окремо обчисліть значення точності для тренувальної та тестової вибірок за допомогою методу .score() і запишіть результати у словники train_accuracies та test_accuracies відповідно, використовуючи ітератор neighbor як індекс.