Як показано в попередніх розділах, передбачення моделі можуть змінюватися залежно від значення k (кількість сусідів). Під час побудови моделі k-NN важливо обрати таке значення k, яке забезпечує найкращу продуктивність.

Поширеним підходом є використання крос-валідації для оцінки якості моделі. Можна виконати цикл і обчислити оцінки крос-валідації для різних значень k, а потім обрати те, яке дає найвищий результат. Це найпоширеніший метод.

Для цього у sklearn є зручний інструмент: клас GridSearchCV.

Конструктор:

• GridSearchCV(estimator, param_grid, scoring, cv = 5)
• estimator — об'єкт моделі;
• param_grid — словник із параметрами для перебору;
  • scoring — метрика для оцінки крос-валідації;
• cv — кількість фолдів (за замовчуванням 5);

Методи:

• fit(X, y) — навчання моделей на X, y;
• predict(X) — передбачення класу для X;
• score(X, y) — повертає точність для набору X, y;

Атрибути:

• best_estimator_ — об'єкт моделі з найвищою оцінкою;
• best_score_ — оцінка для best_estimator_.

Параметр param_grid приймає словник, де ключі — це назви параметрів, а значення — списки варіантів для перебору. Наприклад, щоб протестувати значення від 1 до 99 для n_neighbors, можна записати:

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

Виклик методу .fit(X, y) для об'єкта GridSearchCV здійснить пошук по сітці параметрів, щоб знайти найкращі параметри, а потім перенавчить модель на всьому наборі даних з цими параметрами.

Отримати найкращу оцінку можна через атрибут .best_score_, а робити передбачення оптимізованою моделлю — за допомогою методу .predict(). Також можна отримати найкращу модель через атрибут .best_estimator_.