我正在使用 scikit-learn 0.18.dev0。我知道之前有人问过完全相同的问题 here .我尝试了那里提供的答案,但出现以下错误
>>> 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)
错误信息
_init_params() got an unexpected keyword argument 'func'
看起来这个选项已被删除。如何在
sklearn.neighbors
中使用用户定义的矩阵?
最佳答案
正确的关键字是 metric
:
import numpy as np
from sklearn.neighbors import NearestNeighbors
def mydist(x, y):
return np.sum((x-y)**2)
nn = NearestNeighbors(n_neighbors=4, algorithm='ball_tree', metric=myfunc)
X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
nn.fit(X)
这在开发版的文档字符串中也有提到:https://github.com/scikit-learn/scikit-learn/blob/86b1ba72771718acbd1e07fbdc5caaf65ae65440/sklearn/neighbors/unsupervised.py#L48
关于scikit-learn - 如何在 scikit-learn 中为最近邻居使用用户定义的度量?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35518403/