
168
|
第
6
章
loan_df[attr(knn_pred,"nn.index"),]
payment_inc_ratio dti revol_bal revol_util
2081 2.61091 1.03 1218 9.7
36054 2.22024 0.79 1687 8.4
23655 2.34286 1.12 523 10.7
41327 2.15987 0.69 2115 8.1
39555 2.76891 0.75 2129 9.5
可以看到,这时所显示的
5
个近邻数据中,所有的变量都与新记录的对应值非常接近,这
样的结果更直观。需要注意的是,虽然结果以是数据的原始比例显示的,但是
KNN
是应
用于经过缩放的数据以及要预测的新贷款上的。
z
分数只是一种重新调整变量尺度的方式。均值可以替换成更稳健的位置估
计量,例如中位数。同样,标准偏差也可以使用其他的缩放估计量替换,例
如四分位距。在一些情况下,变量已被“压缩”到
[0, 1]
区间内。我们也应
认识到,为了得到单位变异性而对每个变量进行缩放,其中可能存在一定的
随意性。这意味着,我们认为每个变量在预测能力上具有同等的重要性。如
果我们只根据自己的主观认识,判定一些变量比其他变量更重要,那么我们
可以放大这些变量。例如,对于贷款数据,我们完全有理由认为支出与收入
的比率非常重要。
标准化(归一化)并不会改变数据的分布形状。如果数据并不符合正态分
布,那么标准化后也不会符合正态分布(参见
2.6
节 )。
6.1.5
K
值的选取
K
值的选取对
KNN