KNN for regression代码此前运行正常，重跑时报错，求助问题原因

报错常见原因及对应解决方案 #

• 导入顺序错误（最高概率）
  现有代码的执行顺序中，cross_val_score、numpy的调用位置早于导入位置：第14行就调用了cross_val_score计算交叉验证得分、第15行调用了np.mean计算均值，但这两个依赖的导入语句写在代码后半段。如果之前运行时已经在当前环境中导入过相关依赖，代码可以正常执行，一旦重启Python内核/切换运行环境，依赖缓存清空就会触发NameError。
• 数据集变量未定义
  代码中直接使用了X和y两个变量，但没有包含这两个数据集的定义、读取代码。如果运行环境重启后变量缓存被清空，也会触发NameError，提示变量未定义。
• 运行环境变更
  如果近期切换了虚拟环境、重装了依赖库，也可能出现依赖缺失、版本不兼容导致的报错，可通过pip list检查scikit-learn、numpy是否正常安装。

修复后代码 #

# 所有依赖统一放在代码开头导入
from sklearn.model_selection import train_test_split, cross_val_score, KFold
from sklearn.neighbors import KNeighborsRegressor
import numpy as np
from statistics import mean

# 1.3.1 split dataset into train and test data
# 注意：运行前请补充X、y数据集的读取、预处理代码
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)

# Build a model (KNN for Regression)
reg_cv = KNeighborsRegressor(n_neighbors = 3,  weights = 'distance', p=1)
reg_cv.fit(X, y)
score = cross_val_score(reg_cv, X, y, cv = 5)
result = np.mean(score)
print(result)

# Cross Validation
kfold = KFold(n_splits=5)
print("CV, KFold:\n{}".format(cross_val_score(KNeighborsRegressor(), X, y, cv=kfold)))

内容的提问来源于stack exchange，提问作者Shauna。