k vs Test Accuracy چالش 6 از جلسهی 23، سخت
با knn و تقسیم آماده، برای هر k در [1, 3, 5] دقت آموزش و آزمون را حساب کن و یک خط به شکل k=1 train 1.0 test 0.5 چاپ کن (گرد با دو رقم). با دادهی دادهشده خروجی باید سه خط باشد: k=1 train 1.0 test 0.75، k=3 train 1.0 test 0.5، k=5 train 0.88 test 0.75. ببین دقت آموزش همیشه از دقت آزمون بالاتر است؛ عددِ قابل اعتماد، دومی است.
import math
def distance(a, b):
return math.sqrt(sum((a[i] - b[i]) ** 2 for i in range(len(a))))
def knn(point, X, y, k):
pairs = sorted((distance(point, X[i]), y[i]) for i in range(len(X)))
votes = {}
for d, label in pairs[:k]:
votes[label] = votes.get(label, 0) + 1
return max(votes, key=votes.get)
def accuracy(k, X_train, y_train, X_test, y_test):
correct = 0
for i in range(len(X_test)):
if knn(X_test[i], X_train, y_train, k) == y_test[i]:
correct += 1
return correct / len(X_test)
X_train = [[0.1, 0.9], [0.2, 0.8], [0.3, 0.85], [0.15, 0.7], [0.8, 0.2], [0.9, 0.1], [0.7, 0.3], [0.25, 0.3]]
y_train = ["apple", "apple", "apple", "apple", "orange", "orange", "orange", "orange"]
X_test = [[0.2, 0.75], [0.85, 0.15], [0.3, 0.35], [0.6, 0.6]]
y_test = ["apple", "orange", "apple", "orange"]
for k in [1, 3, 5]:
# compute train and test accuracy, print one line
pass
راهنما و جواب این چالش · برگشت به درس جلسهی 23: آموزش / آزمون
بیشتر بخوان: تابع در پایتون: آموزش def، پارامتر و return با مثال