Ajustarea parametrului n_neighbors

n_neighbors este cel mai important parametru al KNN. Când nu știi câți valori aberante există în setul de date — ceea ce se întâmplă des —, nu poți aplica regula empirică ce sugerează 20 de vecini atunci când contaminarea este sub 10%.

În astfel de cazuri, va trebui să ajustezi n_neighbors. Exersează acest proces pe versiunea transformată a setului de date females din exercițiul anterior, încărcată ca females_transformed. Estimatorul KNN și funcțiile evaluate_outlier_classifier și evaluate_regressor sunt deja încărcate.

Iată corpurile funcțiilor ca referință:

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)

Acest exercițiu face parte din cursul

Detecția anomaliilor în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Creează o listă cu valorile posibile pentru n_neighbors, în această ordine: 5, 10, 20.
Instanțiază un model KNN, setând valoarea lui n_neighbors la valoarea curentă k din buclă.
Găsește inlier-ele folosind funcția evaluate_outlier_classifier.
Calculează RMSE cu evaluate_regressor și stochează rezultatul în scores, folosind k ca cheie și RMSE ca valoare.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Create a list of values for n_neigbors
n_neighbors = [____, ____, ____]
scores = dict()

for k in n_neighbors:
    # Instantiate KNN with the current k
    knn = ____(____, n_jobs=-1)
    
    # Find the inliers with the current KNN
    inliers = ____(____, ____, .50)
    
    # Calculate and store RMSE into scores
    scores[____] = ____
    
print(scores)

Editează și rulează codul