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

Вправа

Оптимізуйте n_neighbors

Тепер, коли ми масштабували дані, можемо спробувати модель KNN. Щоб підвищити якість, слід налаштувати гіперпараметри моделі. Для алгоритму k найближчих сусідів маємо лише один гіперпараметр: n, кількість сусідів. Ми задаємо його під час створення моделі через KNeighborsRegressor. Аргумент для кількості сусідів — це n_neighbors.

Ми хочемо перебрати діапазон значень, який охоплює налаштування з найкращими результатами. Зазвичай починаємо з 2 сусідів і збільшуємо, доки наш показник якості не почне знижуватися. Тут для оптимізації n використаємо значення R\(^2\) з методу .score() на тестовій вибірці (scaled_test_features і test_targets). Саме за результатами на тестовій вибірці визначимо найкраще n.

Інструкції

100 XP
  • Переберіть значення від 2 до 12 для n і встановіть їх як n_neighbors у моделі knn.
  • Навчіть модель на тренувальних даних (scaled_train_features і train_targets).
  • Виведіть значення R\(^2\) за допомогою методу .score() моделі knn для тренувальної та тестової вибірок і занотуйте найкращий бал на тесті.