Som vist i de foregående kapitler, kan modellens forudsigelser variere afhængigt af værdien af k (antallet af naboer). Når der opbygges en k-NN-model, er det vigtigt at vælge den k-værdi, der giver bedst ydeevne.

En almindelig tilgang er at anvende krydsvalidering til at evaluere modellens ydeevne. Det er muligt at køre et loop og beregne krydsvalideringsscore for et interval af k-værdier, og derefter vælge den med den højeste score. Dette er den mest udbredte metode.

Til dette formål tilbyder sklearn et praktisk værktøj: klassen GridSearchCV.

Konstruktør:

• GridSearchCV(estimator, param_grid, scoring, cv = 5)
• estimator — modelobjektet;
• param_grid — ordbog med parameterværdier, der skal afprøves;
• scoring — metrikken, der anvendes til krydsvalideringsscore;
• cv — antal fold (5 som standard);

Metoder:

• fit(X, y) — træner modellerne ved brug af X, y;
• predict(X) — forudsiger klassen for X;
• score(X, y) — returnerer nøjagtigheden for X, y sættet;

Attributter:

• best_estimator_ — objekt for modellen med højeste score;
• best_score_ — scoren for best_estimator_.

Parameteren param_grid tager en ordbog, hvor nøglerne er parameternavne og værdierne er lister over muligheder, der skal afprøves. For eksempel, for at teste værdier fra 1 til 99 for n_neighbors, kan følgende skrives:

param_grid = {'n_neighbors': range(1, 100)}

Ved at kalde .fit(X, y)-metoden på GridSearchCV-objektet vil parametergridet blive gennemgået for at finde de bedste parametre, hvorefter modellen gen-trænes på hele datasættet med disse bedste parametre.

Det er muligt at tilgå bedste score ved hjælp af attributten .best_score_ og foretage forudsigelser med den optimerede model ved brug af .predict()-metoden. Ligeledes kan bedste model selv hentes via attributten .best_estimator_.