如何在scikit learn(python)的KernelDensity中使用用户定义的度量

Question

我正在使用scikit learn（0.14），并试图为我的KernelDensity估计实现一个用户定义的度量。

以下代码是我的代码结构示例：

def myDistance(x,y):
    return np.sqrt(sum((x - y)**2))
dt=DistanceMetric.get_metric("pyfunc",func=myDistance)
kernelModel=KernelDensity(algorithm='ball_tree',metric='pyfunc')
kernelModel.fit(X)

根据文档，BallTree算法应该接受用户定义的度量。如果我按照这里给出的方式运行这个代码，我会得到以下错误：

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

错误似乎来自：

sklearn.neighbors.dist_metrics.PyFuncDistance.__init__

我不明白。如果我检查上面代码中的"dt"给了我什么，我就会得到我想要的。Δpairwise（X）返回正确的值。我做错了什么？

提前谢谢。

Answer 1

解决方案是

kernelModel=KernelDensity(...,metric='pyfunc',metric_params={"func":myDistance})

不需要调用Distancemetric.get_metric。M