n_neighbors ayarlama

n_neighbors, KNN için en kritik parametredir. Veri kümesindeki aykırı değer sayısından emin olmadığında (ki bu sıkça olur), bulaşma oranı %10’un altındaysa 20 komşu kullan önerisini uygulayamazsın.

Bu tür durumlarda n_neighbors değerini ayarlaman gerekir. Bunu, önceki egzersizdeki females veri kümesinin dönüştürülmüş sürümü üzerinde pratik yaparak dene. Veri kümesi females_transformed olarak yüklendi. KNN kestiricisi ile evaluate_outlier_classifier ve evaluate_regressor fonksiyonları da yüklü.

Anımsatıcı olarak fonksiyon gövdeleri aşağıda:

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)

Bu egzersiz

Python ile Anomali Tespiti

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

n_neighbors için olası değerleri şu sırada içeren bir liste oluştur: 5, 10, 20
Döngüdeki güncel k değerini n_neighbors olarak ayarlayarak bir KNN modeli oluştur.
evaluate_outlier_classifier fonksiyonunu kullanarak iç değerleri (inliers) bul.
evaluate_regressor ile RMSE’yi hesapla ve sonucu scores içine anahtar olarak k, değer olarak RMSE gelecek şekilde kaydet.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# 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)

Kodu Düzenle ve Çalıştır