使用中位数（而不是平均值）使用sklearn-KN​​N进行预测

Question

当计算平均值 x最近邻时，Sklearn-KN​​N允许设置权重（例如，均匀，距离）。

相反，与预测的平均值，是否有可能与预测值（或许还有一个用户定义的函数）？

Answer 1

没有内置参数可调整权重以使用中位数而不是均值（您可以在源代码中看到均值是硬编码的）。但是，由于scikit-learn估计器只是Python类，因此您可以继承KNeighborsRegressor并覆盖该predict方法以执行所需的任何操作。

这是一个简单的示例，我复制并粘贴了原始predict()方法并修改了相关内容：

from sklearn.neighbors.regression import KNeighborsRegressor, check_array, _get_weights

class MedianKNNRegressor(KNeighborsRegressor):
    def predict(self, X):
        X = check_array(X, accept_sparse='csr')

        neigh_dist, neigh_ind = self.kneighbors(X)

        weights = _get_weights(neigh_dist, self.weights)

        _y = self._y
        if _y.ndim == 1:
            _y = _y.reshape((-1, 1))

        ######## Begin modification
        if weights is None:
            y_pred = np.median(_y[neigh_ind], axis=1)
        else:
            # y_pred = weighted_median(_y[neigh_ind], weights, axis=1)
            raise NotImplementedError("weighted median")
        ######### End modification

        if self._y.ndim == 1:
            y_pred = y_pred.ravel()

        return y_pred    

X = np.random.rand(100, 1)
y = 20 * X.ravel() + np.random.rand(100)
clf = MedianKNNRegressor().fit(X, y)
print(clf.predict(X[:5]))
# [  2.38172861  13.3871126    9.6737255    2.77561858  17.07392584]

我省略了加权版本，因为我不知道一种使用numpy / scipy计算加权中位数的简单方法，但是一旦该函数可用，就可以直接添加。