在scikit-learn中改变n_neighbors KNN回归

Question

我正在使用scikit-learn的KNN回归器来将模型拟合到一个大型数据集中，其编号为n_neighbors = 100-500。考虑到数据的性质，一些部分（想象：峰值等尖锐的delta函数）更适合于较少的邻居（n_neighbors ~ 20-50），以便峰值不会被平滑掉。这些峰的位置是已知的（或可以测量）。

有没有办法改变n_neighbors参数？

我可以安装两个模型并将它们缝合在一起，但效率不高。最好为n_neighbors规定2-3个值，或者更糟糕的是，发送n_neighbors列表。

Answer 1

恐怕不是。部分原因是由于一些代数假设关系是对称的：A是B的邻居如果B是A的邻居。如果给出不同的值，则可以保证打破这种对称性。

我认为主要原因是简单的算法是简单的与固定数量的邻居，产生更好的结果一般。你有一个KNN不适合的具体情况。

我建议你缝合你的两个模型，切换依赖于估算的二阶导数。