如何允许sklearn K最近邻居采用自定义距离度量

Question

我有一个自定义距离度量，需要用于KNN、K Nearest Neighbors。

我试着遵循这个，但由于某种原因，我无法让它发挥作用。

我假设距离度量应该取两个相同长度的矢量/阵列，正如我在下面所写的：

import sklearn 
from sklearn.neighbors import NearestNeighbors
import numpy as np
import pandas as pd
def d(a,b,L):
    # Inputs: a and b are rows from a data matrix   
    return a+b+2+L
knn=NearestNeighbors(n_neighbors=1,
                 algorithm='auto',
                 metric='pyfunc',
                 func=lambda a,b: d(a,b,L)
                 )

X=pd.DataFrame({'b':[0,3,2],'c':[1.0,4.3,2.2]})
knn.fit(X)

然而，当我调用：knn.kneighbors()时，它似乎不喜欢自定义函数。这是错误堆栈的底部：

ValueError: Unknown metric pyfunc. Valid metrics are ['euclidean', 'l2', 'l1', 'manhattan', 'cityblock', 'braycurtis', 'canberra', 'chebyshev', 'correlation', 'cosine', 'dice', 'hamming', 'jaccard', 'kulsinski', 'mahalanobis', 'matching', 'minkowski', 'rogerstanimoto', 'russellrao', 'seuclidean', 'sokalmichener', 'sokalsneath', 'sqeuclidean', 'yule', 'wminkowski'], or 'precomputed', or a callable

然而，我在我引用的问题中看到了完全相同的情况。关于如何在sklearn version 0.14上实现这一点，有什么想法吗？我不知道这些版本有什么不同。

谢谢。

Answer 1

文档实际上非常清楚度量参数的使用：

metric:字符串或可调用，默认为"minkowski"

用于距离计算的度量。可以使用scikit learn或scipy.spatial.distance中的任何度量。

如果metric是一个可调用的函数，则会在每对实例（行）上调用它，并记录结果值。可调用应以两个数组作为输入，并返回一个表示距离的值他们之间。这适用于Scipy的指标，但效率较低而不是将度量名称作为字符串传递。

因此（同样根据错误消息），metric应该是可调用，而不是字符串。它应该接受两个参数（数组），并返回一个。这是您的lambda函数。

因此，您的代码可以简化为：

import sklearn
from sklearn.neighbors import NearestNeighbors
import numpy as np
import pandas as pd
def d(a,b,L):
    return a+b+2+L
knn=NearestNeighbors(n_neighbors=1,
                 algorithm='auto',
                 metric=lambda a,b: d(a,b,L)
                 )
X=pd.DataFrame({'b':[0,3,2],'c':[1.0,4.3,2.2]})
knn.fit(X)