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。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，但这样效率会很低。最好为n_neighbors规定2-3个值，或者更糟糕的是，发送n_neighbors列表。
答案 0 :(得分：1)
我不敢。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。如果你给出不同的 k 值，你就得到了保证打破这种对称性。
我认为主要原因很简单，算法对于固定数量的邻居来说更简单，通常产生更好的结果。你有一个特定的案例，KNN并不适合。
我建议你将两个模型拼接在一起，切换取决于推算的二阶导数。