Sklearn kNN用法与用户定义的指标

Question

目前，我正在做一个项目，可能需要使用kNN算法查找给定点的前k个最近的邻居，例如P.
im使用python，sklearn包来完成这项工作，但我们的预定义指标不是默认指标之一指标。因此我必须使用sklearn文档中的用户定义指标，可以在此处和此处找到。

看来sklearn kNN的最新版本支持用户定义的指标，但是我找不到如何使用它：

import sklearn
from sklearn.neighbors import NearestNeighbors
import numpy as np
from sklearn.neighbors import DistanceMetric
from sklearn.neighbors.ball_tree import BallTree
BallTree.valid_metrics

说我已经定义了一个名为mydist =
max（xy）的度量，然后使用DistanceMetric.get_metric使其成为DistanceMetric对象：

dt=DistanceMetric.get_metric('pyfunc',func=mydist)

在文档中，该行应如下所示

nbrs = NearestNeighbors(n_neighbors=4, algorithm='auto',metric='pyfunc').fit(A)
distances, indices = nbrs.kneighbors(A)

但是我可以放在哪里dt？谢谢

Answer 1

您将指标作为metric参数传递，并将其他指标参数作为关键字参数传递给NN构造函数：

>>> def mydist(x, y):
...     return np.sum((x-y)**2)
...
>>> X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])

>>> nbrs = NearestNeighbors(n_neighbors=4, algorithm='ball_tree',
...            metric='pyfunc', func=mydist)
>>> nbrs.fit(X)
NearestNeighbors(algorithm='ball_tree', leaf_size=30, metric='pyfunc',
         n_neighbors=4, radius=1.0)
>>> nbrs.kneighbors(X)
(array([[  0.,   1.,   5.,   8.],
       [  0.,   1.,   2.,  13.],
       [  0.,   2.,   5.,  25.],
       [  0.,   1.,   5.,   8.],
       [  0.,   1.,   2.,  13.],
       [  0.,   2.,   5.,  25.]]), array([[0, 1, 2, 3],
       [1, 0, 2, 3],
       [2, 1, 0, 3],
       [3, 4, 5, 0],
       [4, 3, 5, 0],
       [5, 4, 3, 0]]))