Как увеличить точность на обучающем и тестовом наборе?

#Используя набор данных, провести классификацию с помощью нейронной сети. 
#Данные: https://www.kaggle.com/adityadesai13/used-car-dataset-ford-and-mercedes?select=focus.csv
from google.colab import drive 
drive.mount('/content/drive/')
root_folder = "drive/My Drive/mypythondirectory"
import warnings

import sklearn
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import MinMaxScaler
from sklearn.preprocessing import LabelEncoder
from sklearn.neural_network import MLPClassifier
import pandas as pd

from sklearn.preprocessing import LabelEncoder #подключаем LabelEncoder


allColumns = pd.read_csv(root_folder+"/focus.csv") #открываем файл

#ищем вероятность повышения цены
X = allColumns.drop(columns=['price']) #отбрасываем последний столбец


encoder = LabelEncoder()
Y = encoder.fit_transform(allColumns['price'])

X['transmission'] = encoder.fit_transform(allColumns['transmission']) #заменяем значения string на float

X['fuelType'] = encoder.fit_transform(allColumns['fuelType']) #заменяем значения string на float

X['model'] = encoder.fit_transform(allColumns['model']) #заменяем значения string на float

X_train, X_test, Y_train, Y_test  = train_test_split(X, Y, test_size=0.2)


nn = MLPClassifier(
    hidden_layer_sizes=(10, 10)
)
nn.fit(X_train, Y_train)

print("Точность на обучающем наборе : ", nn.score(X_train, Y_train))

print("Точность на тестовом наборе: ", nn.score(X_test, Y_test))