python - Sklearn kNN 使用用户定义的指标

Question

目前我正在做一个项目，可能需要使用 kNN 算法来找到给定点的前 k 个最近邻居，比如 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一个这些默认指标。所以我必须使用用户定义的指标，来自 sklearn 的文档，可以找到 here和 here .

似乎最新版的sklearn kNN支持用户定义的度量，但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

假设我定义了一个名为 mydist=max(x-y) 的度量，然后使用 DistanceMetric.get_metric 使其成为 DistanceMetric 对象:

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

从文档中，该行应该是这样的

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

但是我可以把 dt 放在哪里呢？谢谢

Answer 1

您将度量作为 metric 参数传递，并将其他度量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]]))