使用scikit-learn计算MAE时遇到代码问题，请求技术支援

你的代码里存在三个关键错误，导致无法正确计算MAE：

• 未定义参数k：创建KNeighborsRegressor时使用的n_neighbors=k，但k变量没有被赋值，运行时会抛出NameError。
• 混淆fit与predict方法：knn_model.fit(X_train,y_train)返回的是训练后的模型对象，不是预测结果。需要调用predict(X_val)来生成验证集的预测值。
• 自定义MAE函数错误：当前函数返回的是绝对误差总和，而非平均绝对误差，缺少除以样本数量的步骤。

修正后的代码如下：

import numpy as np
from sklearn.neighbors import KNeighborsRegressor

def mae(prediction, target):
    # 除以样本数量得到平均绝对误差
    return np.sum(np.abs(prediction - target)) / len(target) 

# 先定义k的取值，比如取5
k = 5
knn_model = KNeighborsRegressor(n_neighbors=k)
# 先训练模型
knn_model.fit(X_train, y_train)
# 生成验证集的预测结果
prediction = knn_model.predict(X_val)
# 计算MAE
val_mae = mae(prediction, y_val)

另外，也可以直接使用scikit-learn内置的mean_absolute_error函数，避免手动实现出错：

from sklearn.metrics import mean_absolute_error

# 省略模型训练步骤...
prediction = knn_model.predict(X_val)
val_mae = mean_absolute_error(y_val, prediction)

内容的提问来源于stack exchange，提问作者GreatGatsby