调优 n_neighbors

n_neighbors 是 KNN 中最关键的参数。当您不确定数据集中异常点的数量时（这种情况很常见），就不能使用经验法则（当污染率低于 10% 时使用 20 个邻居）。

在这类情形下，您需要对 n_neighbors 进行调优。请在上一个练习中 females 数据集的变换版本上实践这一过程。它已加载为 females_transformed。KNN 估计器、evaluate_outlier_classifier 和 evaluate_regressor 函数也已加载。

下面是函数主体，供您参考：

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)

本练习是课程的一部分

Python 中的异常检测

查看课程

练习说明

按顺序创建 n_neighbors 的候选取值列表：5、10、20。
实例化一个 KNN 模型，在循环中将 n_neighbors 设为当前的 k。
使用 evaluate_outlier_classifier 函数找出内点。
使用 evaluate_regressor 计算 RMSE，并将结果存入 scores，其中键为 k，值为对应的 RMSE。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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)

编辑并运行代码