混淆sklearn距离算法

虽然我想在KNeighborsClassifier中使用标准Euclidean度量。混淆sklearn距离算法

knn = KNeighborsRegressor(n_neighbors=k,metric='seuclidean') 
knn.fit(newx,y)

和显示的类型错误：

C:\Anaconda3\lib\site-packages\sklearn\neighbors\base.py in fit(self, X, y) 
    741    X, y = check_X_y(X, y, "csr", multi_output=True) 
    742   self._y = y 
--> 743   return self._fit(X) 
    744 
    745 

C:\Anaconda3\lib\site-packages\sklearn\neighbors\base.py in _fit(self, X) 
    238    self._tree = BallTree(X, self.leaf_size, 
    239         metric=self.effective_metric_, 
--> 240         **self.effective_metric_params_) 
    241   elif self._fit_method == 'kd_tree': 
    242    self._tree = KDTree(X, self.leaf_size, 

sklearn\neighbors\binary_tree.pxi in sklearn.neighbors.ball_tree.BinaryTree.__init__ (sklearn\neighbors\ball_tree.c:9220)() 

sklearn\neighbors\dist_metrics.pyx in sklearn.neighbors.dist_metrics.DistanceMetric.get_metric (sklearn\neighbors\dist_metrics.c:4821)() 

sklearn\neighbors\dist_metrics.pyx in sklearn.neighbors.dist_metrics.SEuclideanDistance.__init__ (sklearn\neighbors\dist_metrics.c:6399)() 

TypeError: __init__() takes exactly 1 positional argument (0 given)

我只需要输入我自己的功能，实现KNN，如：

import numpy as np 
from sklearn.preprocessing import StandardScaler 
x = np.random.randint(0,10,(10,2)) 
y = np.random.randint(0,10,(10,1)) 
testx = np.random.randint(0,10,(1,2)) 
sds = StandardScaler() 
sds.fit(x) 
sklean_newx = sds.transform(x) 
sklearn_newtestx = sds.transform(testx) 
distance = np.sqrt(((testx - newx) ** 2).sum(axis=1)) 
for k in range(1,8): 
    kn = distance.argsort()[:k] 
    print(y[kn].mean(), '%'*10, k)

的sklearn：

for k in range(1,8): 
    knn = KNeighborsRegressor(n_neighbors=k,metric='seuclidean' , metric_params={'V':x.std(axis=0)}) 
    knn.fit(x ,y) 
    print(knn.predict(testx)[0], '%'*10, k)

上述两结果不一致，为什么？

来源

2017-05-02 Li Ziming

如果用本页底部的文档示例中的'X'和'y'替换'newx'和'y'，是否会得到相同的错误？ http://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsRegressor.html –

的seuclidean距离度量需要V参数以满足以下的计算：

sqrt(sum((x - y)^2/V))

作为sklearnDistance Metrics文档中定义。

您可以在KNeighborsRegressor初始化中使用metric_params参数传递V（请参阅KNR docs）。

来源

2017-05-02 04:20:12

是的，我输入这一行metric_params = {'V'：x.std（axis = 0）}。但结果不是我想要的。 –

请注意，'sqrt'应用于'V'，所以我想你可能想要传入'var'而不是'std'。但你的问题最初是关于我在这个答案中提到的错误。现在你已经改变了你的问题，问为什么两个计算是不同的，这是一个完全不同的问题。请考虑保留原始问题的文本相同，并针对您的计算单独打开一个问题。 –

非常感谢！ –

混淆sklearn距离算法

回答

相关问题