Ajustar el método de agregación

Una vez encontrado el número óptimo de vecinos, toca ajustar el method de agregación de distancias. Si n_neighbors es 10, cada punto de datos tendrá diez medidas de distancia a sus vecinos más cercanos. KNN usa tres métodos para agregar esas distancias: largest, mean y median.

Averigua cuál funciona mejor para el conjunto females_transformed. Tienes cargados el estimador KNN y las funciones evaluate_outlier_classifier y evaluate_regressor.

Aquí tienes los cuerpos de las funciones a modo de recordatorio:

def evaluate_outlier_classifier(model, data, threshold=.75):
    model.fit(data)

    probs = model.predict_proba(data)
    inliers = data[probs[:, 1] <= threshold]

    return inliers

def evaluate_regressor(inliers):
    X, y = inliers.drop("weightkg", axis=1), inliers[['weightkg']]
    X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=10, train_size=0.8)

    lr = LinearRegression()
    lr.fit(X_train, y_train)

    preds = lr.predict(X_test)
    rmse = root_mean_squared_error(y_test, preds)

    return round(rmse, 3)

Este ejercicio forma parte del curso

Detección de anomalías en Python

Ver curso

Instrucciones del ejercicio

Itera sobre el producto de n_neighbors y methods e instancia KNN con variables temporales k y m.
Encuentra los inliers con el KNN actual y un umbral del 50%.
Calcula el RMSE y guarda el resultado en scores usando k, m como clave y el RMSE como valor.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

n_neighbors = [5, 20]
methods = ['largest', 'mean', 'median']
scores = dict()

for k, m in ____:
    # Create a KNN instance
    knn = KNN(____, ____, n_jobs=-1)
    
    # Find the inliers with the current KNN
    inliers = ____

    # Calculate and store RMSE into scores
    scores[(k, m)] = ____
    
print(scores)

Editar y ejecutar código