sklearn中learning_curve函数中estimator参数的值应该是什么？

Question

我正在尝试画一条学习曲线，而我想使用的算法是knn算法。为此，估算器的值应该是多少。它可能的值或选项不在文档中（并且我不确定是否应该存在）。

这是我的代码-

features = ['age','sex','cp','trestbps','chol','fbs','restecg','thalach','exang','oldpeak','slope','ca','thal']
target = 'num'

train_size, train_scores, validation_scores = learning_curve(estimator = KNN(), x=dataset[features], y=dataset[target], train_size=train_sizes, cv=5, scoring='confusion_matrix')

错误是-未定义KNN（）（这很明显是为什么）。但是我的问题是，如果我想使用knn算法，它应该有什么价值。

Answer 1

来自learning curve docs：

  

estimator ：实现“ fit”和“ predict”方法的对象类型

因此，如果您处于回归设置中，则应使用

from sklearn.neighbors import KNeighborsRegressor
# define the no. of nearest neighbors k
train_size, train_scores, validation_scores = learning_curve(estimator = KNeighborsRegressor(n_neighbors=k), [...])

如果处于分类设置中，则应使用

from sklearn.neighbors import KNeighborsClassifier
# define the no. of nearest neighbors k
train_size, train_scores, validation_scores = learning_curve(estimator = KNeighborsClassifier(n_neighbors=k), [...])

在两种情况下当然都应该定义最近的邻居k的数量。

通常的想法是，在estimator参数中，您可以使用实现s fit和predist方法的任何scikit-learn可用算法，如文档中明确提到的（上面提供的链接） ）。