De aggregatiemethode afstemmen

Als het optimale aantal buren is gevonden, is het tijd om de afstandsaggregatie-method af te stemmen. Als n_neighbors 10 is, heeft elk datapunt tien afstandsmetingen tot zijn dichtstbijzijnde buren. KNN gebruikt drie methoden om die afstanden te aggregeren: largest, mean en median.

Zoek uit welke het beste werkt voor de females_transformed-gegevensset. De KNN-estimator en de functies evaluate_outlier_classifier en evaluate_regressor zijn al voor je geladen.

Hier zijn de functiedefinities ter herinnering:

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)

Deze oefening maakt deel uit van de cursus

Anomaly Detection in Python

Bekijk cursus

Oefeninstructies

Loop over het product van n_neighbors en methods en instantieer KNN met tijdelijke variabelen k en m.
Vind de inliers met de huidige KNN en een drempel van 50%.
Bereken de RMSE en sla het resultaat op in scores met k, m als sleutel en de RMSE als waarde.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

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)

Code bewerken en uitvoeren