ML-KNeighborsRegressor

最新推荐文章于 2025-03-20 09:56:58 发布

codeQin

最新推荐文章于 2025-03-20 09:56:58 发布

阅读量1.1k

点赞数

CC 4.0 BY-SA版权

分类专栏： sklearn

本文链接：https://blog.youkuaiyun.com/qq_42394743/article/details/81101301

这篇博客介绍了如何使用KNeighborsRegressor进行回归预测，通过GridSearchCV寻找最佳参数，对波士顿房价数据集进行训练和测试。最终展示了训练集和测试集的均方误差，并通过图形对比了真实值与预测值。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# -*- coding: utf-8 -*-
"""
Created on Wed Jul 18 15:00:32 2018

@author: qinlan

主要思想:选取样本的K个近邻样本，用近邻样本的响应值(y)的均值作为该样本的预测值
"""
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn import preprocessing
from sklearn.model_selection import train_test_split,GridSearchCV
from sklearn.neighbors import KNeighborsRegressor
from sklearn.metrics import mean_squared_error

dataset = datasets.load_boston()
X,y = dataset.data,dataset.target

x = preprocessing.StandardScaler().fit_transform(X)

def searchKNNRegressorBestParam(x,y):
param = {'n_neighbors':range(2,30),
'weights':['uniform','distance'],
'algorithm':['ball_tree','kd_tree','brute','