我需要在给定数据点的情况下生成 K 个最近的邻居。我读了 sklearn.neighbours module of sklearn但它会在两组数据之间生成邻居。我想要的可能是最接近传递的数据点的 100 个数据点的列表。
无论如何,任何 KNN 算法都应该在底层找到这 K 个数据点。有什么办法可以将这些 K 点作为输出返回吗?
这是我的 sample notebook .
最佳答案
from sklearn.neighbors import NearestNeighbors
这可以为您提供数据集中 k 个最近邻居的索引。使用kneighbors
,第一个值是距离,第二个值是邻居的索引。来自文档:
>>> samples = [[0., 0., 0.], [0., .5, 0.], [1., 1., .5]]
>>> from sklearn.neighbors import NearestNeighbors
>>> neigh = NearestNeighbors(n_neighbors=1)
>>> neigh.fit(samples)
NearestNeighbors(algorithm='auto', leaf_size=30, ...)
>>> print(neigh.kneighbors([[1., 1., 1.]]))
(array([[0.5]]), array([[2]]))
关于python - 生成 'K' 数据点的最近邻,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53885426/