sklearn和weka kNN预测对于所有数据都完全相同，除了一个数据点

问题描述

我使用sklearn为kNN写了一个代码，然后使用WEKA kNN比较了预测。使用10个测试集预测进行了比较，其中只有一个预测显示出> 1.5的高差异，而所有其他预测都完全相同。因此，我不确定我的代码是否工作正常。这是我的代码：

df = pd.read_csv('xxxx.csv')
X = df.drop(['Name','activity'],axis=1)
y = df['activity']
Xstd = StandardScaler().fit_transform(X)
x_train,x_test,y_train,y_test = train_test_split(Xstd,y,test_size=0.2,shuffle=False,random_state=None)
print(x_train.shape,x_test.shape)
X_train_trans = x_train
X_test_trans = x_test
for i in range(2,3):
    knn_regressor = KNeighborsRegressor(n_neighbors=i,algorithm='brute',weights='uniform',metric='euclidean',n_jobs=1,p=2)

    CV_pred_train = cross_val_predict(knn_regressor,X_train_trans,n_jobs=-1,verbose=0,cv=LeaveOneOut())
    print("LOO Q2: ",metrics.r2_score(y_train,CV_pred_train).round(2))
    

    # Train Test predictions
    knn_regressor.fit(X_train_trans,y_train)
    train_r2 = knn_regressor.score(X_train_trans,y_train)
    y_train_pred = knn_regressor.predict(X_train_trans).round(3)
    train_r2_1 = metrics.r2_score(y_train,y_train_pred)
    y_test_pred = knn_regressor.predict(X_test_trans).round(3)
    train_r = stats.pearsonr(y_train,y_train_pred)

    abs_error_train = (y_train - y_train_pred)
    train_predictions = pd.DataFrame({'Actual': y_train,'Predcited': 
    y_train_pred,"error": abs_error_train.round(3)})
    MAE_train = metrics.mean_absolute_error(y_train,y_train_pred)

    abs_error_test = (y_test_pred - y_test)
    test_predictions = pd.DataFrame({'Actual': y_test,'predcited': 
    y_test_pred,'error': abs_error_test.round(3)})

    test_r = stats.pearsonr(y_test,y_test_pred)
    test_r2 = metrics.r2_score(y_test,y_test_pred)
    MAE_test = metrics.mean_absolute_error(y_test,y_test_pred).round(3)
    print(test_predictions)

在sklearn和WEKA kNN中，火车组统计几乎相同。 sklearn的预测是：

Actual  predcited  error
6.00      5.285 -0.715
5.44      5.135 -0.305
6.92      6.995  0.075
7.28      7.005 -0.275
5.96      6.440  0.480
7.96      7.150 -0.810
7.30      6.660 -0.640
6.68      7.200  0.520
***4.60      6.950  2.350***

和weka的预测是：

actual  predicted      error
6          5.285     -0.715 
5.44       5.135     -0.305 
6.92       6.995      0.075 
7.28       7.005     -0.275 
5.96       6.44       0.48  
7.96       7.15      -0.81  
7.3        6.66      -0.64  
6.68       7.2        0.52  
***4.6        5.285      0.685***

两种算法中使用的参数为：k = 2，用于距离计算的蛮力，度量单位：欧几里得。

对区别有什么建议吗？

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）