Обучите модель kNN, оцените её качество метрикой accuracy.
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import OneHotEncoder
from sklearn.metrics import accuracy_score
# импортируйте класс для модели классификации KNN
from sklearn.neighbors import KNeighborsClassifier
# создание константы RANDOM_STATE
RANDOM_STATE = 42
# выполняем подготовку данных функцией, все операции в скрытом прекоде
X_train, X_test, y_train, y_test = prepare_data('music_genre_2_classes_balanced_v2_exp.csv')
# создайте и обучите модель kNN на тренировочных данных, выполните предсказание на тестовых данных
model = KNeighborsClassifier()
# обучение на тренировочной выборке
model.fit(X_train, y_train)
# получение предсказаний на тестовой или валидационной выборках
y_pred = model.predict(X_test)
# посчитайте и выведите accuracy
acc = accuracy_score(y_test, y_pred)
print(round(acc,2))Результат
0.54