Justera aggregeringsmetoden

Nu när det optimala antalet grannar är hittat är det dags att justera distansaggregeringsmetoden method. Om n_neighbors är 10 har varje datapunkt tio distansmätningar till sina närmaste grannar. KNN använder tre metoder för att aggregera dessa distanser: largest, mean och median.

Ta reda på vilken som fungerar bäst för datamängden females_transformed. KNN-estimatorn samt funktionerna evaluate_outlier_classifier och evaluate_regressor är redan inlästa.

Här är funktionsdefinitionerna som en påminnelse:

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)

Den här övningen är en del av kursen

Avvikelsedetektering i Python

Visa kurs

Övningsinstruktioner

Loopa över produkten av n_neighbors och methods och instansiera KNN med de temporära variablerna k och m.
Hitta inliers med aktuell KNN och ett tröskelvärde på 50 %.
Beräkna RMSE och lagra resultatet i scores med k, m som nyckel och RMSE som värde.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

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)

Redigera och kör kod