Ajustarea metodei de agregare

Odată ce numărul optim de vecini a fost identificat, e timpul să ajustezi method, parametrul care controlează agregarea distanțelor. Dacă n_neighbors este 10, fiecare punct de date va avea zece măsurători ale distanței față de cei mai apropiați vecini ai săi. KNN folosește trei metode pentru a agrega aceste distanțe: cea mai mare valoare, media și mediana.

Determină care metodă este cea mai potrivită pentru setul de date 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

Parcurge produsul cartezian al lui n_neighbors și methods și instanțiază KNN folosind variabilele temporare k și m.
Găsește valorile inlier cu KNN-ul curent și un prag de 50%.
Calculează RMSE și stochează rezultatul în scores, cu k, m ca cheie și RMSE ca valoare.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

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)

Editează și rulează codul