我正在使用scikit-learn的KNN回归器将模型拟合到 n_neighbors = 100-500 的大型数据集中 . 鉴于数据的性质，一些部分（认为：像峰值这样的尖锐三角函数）更适合较少的邻居（ n_neighbors ~ 20-50 ），因此峰值不会被平滑 . 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？
我可以装入两个模型并将它们拼接在一起，但这样效率很低 . 最好为 n_neighbors 规定2-3个值，或者更糟糕的是，发送 n_neighbors 列表 .
1 回答
恐怕不是 . 在某种程度上，这是由于一些代数假设，即关系是对称的：A是B的邻居，如果B是A的邻居 . 如果给出不同的 k 值，则可以保证打破这种对称性 .
我认为主要原因很简单，算法更简单，具有固定数量的邻居，总体上会产生更好的结果 . 你有一个特定的案例，KNN不太适合 .
我建议你将两个模型拼接在一起，根据推算的二阶导数进行切换 .