KNeighbors Regressor .predict() 函数在用 weights

Question

如果我训练一个 KNeighborsRegressor（通过 scikit-learn），然后想将它的预测与目标变量进行比较，我可以这样做：#Initiate modelknn = neighbors.KNeighborsRegressor(n_neighbors=8)#Define independent and target variablesX = df[['var1', 'var2', 'var3']]Y = df['target']#fit the model and store the predictionsknn.fit(X, Y)predicted = knn.predict(X).ravel()如果我要比较它们，我可以看到这个模型远非完美，这是预期的：compare = pd.DataFrame(predicted,Y).reset_index()compare.columns=['Y', 'predicted']compare.head(3)返回：+------+-----------+| Y    | predicted |+------+-----------+| 985  | 2596      |+------+-----------+| 801  | 2464      |+------+-----------+| 1349 | 1907      |+------+-----------+如果我做完全相同的事情，除了按距离加权邻居，predict() 函数将准确地返回目标变量。#Initiate modelknn_dist = neighbors.KNeighborsRegressor(n_neighbors=8, weights='distance')#fit the model and store the predictionsknn_dist.fit(X, Y)predicted2 = knn_dist.predict(X).ravel()compare = pd.DataFrame(predicted2,Y).reset_index()compare.columns=['Y', 'predicted2']compare.head(3)返回相同的列：+------+------------+| Y    | predicted2 |+------+------------+| 985  | 985        |+------+------------+| 801  | 801        |+------+------------+| 1349 | 1349       |+------+------------+我知道预测器并不像这暗示的那样完美，并且可以通过交叉验证来证明：score_knn = cross_val_score(knn, X, Y, cv=ShuffleSplit(test_size=0.1))print(score_knn.mean())>>>>0.5306705590672681我究竟做错了什么？根据请求，这是我的数据框中相关列的前五行：| ID | var1     | var2     | var3     | target ||----|----------|----------|----------|--------|| 1  | 0.363625 | 0.805833 | 0.160446 | 985    || 2  | 0.353739 | 0.696087 | 0.248539 | 801    || 3  | 0.189405 | 0.437273 | 0.248309 | 1349   || 4  | 0.212122 | 0.590435 | 0.160296 | 1562   || 5  | 0.22927  | 0.436957 | 0.1869   | 1600   |