1. Learn
    2. /
  2. 课程
    3. /
  3. 使用 scikit-learn 的监督学习
Connected

道练习

过拟合与欠拟合

理解模型复杂度是评估监督学习效果的一个重要方法。您的目标是训练出既能刻画特征与目标变量之间关系、又能在新样本上具有良好泛化能力的模型。

训练集和测试集已从 churn_df 数据集创建，并预加载为 X_train、X_test、y_train 和 y_test。

此外，KNeighborsClassifier 已为您导入，同时还将 numpy 以 np 的名称导入。

说明

100 XP
  • 创建 neighbors，其为一个从 1 到 12（含 12）的 numpy 数组。
  • 实例化一个 KNeighborsClassifier，其邻居数量等于迭代变量 neighbor。
  • 将模型拟合到训练数据。
  • 使用 .score() 方法分别计算训练集和测试集的准确率，并分别将结果赋给 train_accuracies 和 test_accuracies 字典，索引均使用迭代变量 neighbor。