可视化模型复杂度
现在，您已经使用不同的 n_neighbors 值计算了 KNN 模型在训练集和测试集上的准确率，接下来可以创建一条模型复杂度曲线，来可视化模型变得不那么复杂时性能如何变化！
在上一个练习中生成的变量 neighbors、train_accuracies 和 test_accuracies 已为您预加载。您将绘制这些结果，以帮助找到模型的最佳邻居数量。
本练习是课程的一部分
使用 scikit-learn 的监督学习
练习说明
- 添加标题
"KNN: Varying Number of Neighbors"。 - 将
train_accuracies的.values()与neighbors作图：neighbors在 x 轴，.values()在 y 轴，并设置标签"Training Accuracy"。 - 将
test_accuracies的.values()与neighbors作图：neighbors在 x 轴，.values()在 y 轴，并设置标签"Testing Accuracy"。 - 显示图形。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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
____