我正在尝试为 kNN 模型调整“n_neighbors”并且我有以下问题：

基于平均交叉验证分数，最佳 kNN 模型应该是具有 10 个邻居的模型。

另一方面，当我绘制“分数与邻居”图时，我看到有些模型的训练数据和测试数据之间的分数距离要小得多（例如具有 20 个邻居的模型）。

我是 ML 新手，这对我来说仍然很困惑。但是我应该坚持 10 个邻居模型，还是 20 个邻居模型更好？我该如何决定？任何帮助深表感谢。

这是我的代码和图表：

best_score = 0
neighbors = np.arange(1,31)
all_train_scores = []
all_test_scores = []

for n_neighbors in neighbors :        

        reg = KNeighborsRegressor(n_neighbors = n_neighbors, metric = 'manhattan')

        score = cross_val_score(reg, X_train, y_train, cv = 5)
        score = np.mean(score) 

        if score > best_score :
            best_score = score
            optimal_choice = {'n_neighbors' : n_neighbors}

        reg.fit(X_train, y_train)
        train_score = reg.score(X_train, y_train)
        test_score = reg.score(X_test, y_test)

        all_train_scores = np.append(all_train_scores, train_score)
        all_test_scores = np.append(all_test_scores, test_score)