KNN 的超參數
要把上一題學到的觀念真正用起來，最好在新的演算法上練習一次。k-nearest neighbors 演算法雖然現在不如以往流行，但當資料中存在行為相似的群組時，仍然可能是很好的選擇。我們的信用卡使用者資料是否符合這種情況呢？
在這裡，你會為 knn 演算法的一個核心超參數嘗試多個不同的數值，並比較模型表現。
你可以使用：
X_train、X_test、y_train、y_testDataFrame
本練習屬於課程
Python 超參數調校
練習說明
- 以
n_neighbors為 [5, 10, 20] 建立 knn 估計器。 - 將每個模型擬合到訓練資料，並產生預測。
- 取得每個模型的準確率分數並印出。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Build a knn estimator for each value of n_neighbours
knn_5 = KNeighborsClassifier(n_neighbors=____)
knn_10 = KNeighborsClassifier(n_neighbors=____)
knn_20 = KNeighborsClassifier(n_neighbors=____)
# Fit each to the training data & produce predictions
knn_5_predictions = knn_5.fit(_____, _____).predict(_____)
knn_10_predictions = knn_10.fit(_____, _____).predict(_____)
knn_20_predictions = knn_20.fit(_____, _____).predict(_____)
# Get an accuracy score for each of the models
knn_5_accuracy = accuracy_score(y_test, _____)
knn_10_accuracy = accuracy_score(y_test, _____)
knn_20_accuracy = accuracy_score(y_test, _____)
print("The accuracy of 5, 10, 20 neighbours was {}, {}, {}".format(_____, _____, _____))