視覺化模型複雜度
現在你已經用不同的 n_neighbors 值，計算出 KNN 模型在訓練集與測試集上的準確率，你可以建立一條模型複雜度曲線，來視覺化模型變得較不複雜時效能如何改變！
前一題中你產生的變數 neighbors、train_accuracies、test_accuracies 都已為你預先載入。你將繪製這些結果，協助找出模型的最佳鄰居數。
本練習屬於課程
使用 scikit-learn 進行監督式學習
練習說明
- 加上標題
"KNN: Varying Number of Neighbors"。 - 將
train_accuracies的.values()以 y 軸對neighbors的 x 軸繪圖，並設定標籤為"Training Accuracy"。 - 將
test_accuracies的.values()以 y 軸對neighbors的 x 軸繪圖，並設定標籤為"Testing Accuracy"。 - 顯示圖表。
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。
# 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
____