KNN машинное обучение

Импортируйте необходимые далее библиотеки.
Загрузите датасет ’penguins.csv’. В проверяющей системе он находится в текущем каталоге (pd.read_csv(‘penguins.csv’) сработает), для отладки можно использовать датасет по ссылке.
Удалите пустые строки.
Скопируйте столбец species в переменную labels, а столбцы bill_length_mm, bill_depth_mm — в переменную features.
Скопируйте эту строку для разбиения на тестовую и обучающую выборку. Важно зафиксировать random_state, чтобы ответ был одинаковым на всех машинах:
train_features, test_features, train_labels, test_labels = train_test_split(
features, labels, test_size=0.2, random_state=123)
На этих выборках обучите 20 моделей следующим образом. Переберите количество соседей от 1 до 10, для каждого значения используйте два значения параметра weights: "uniform "distance". Зафиксируйте параметры, при которых получилось лучшее и худшее значение accuracy.
Выведите на экран значения accuracy для лучшей и худшей модели в следующем формате:
print(’Best accuracy: {:.6f}’.format(...))
print(’Worst accuracy: {:.6f}’.format(...))
Вместо многоточий ваши значения.

Мой кодВроде как всё нормально в пайчарм и колабе выводит, но проверяющая система не пропускает, подскажите, пожалуйста, что может быть не так?

0