如何在Python中为图像创建KNN图(使用用户定义的距离度量)

Question

我想为MNIST DIGITS数据集中的图像创建一个k -nearest邻居图，并带有用户定义的距离度量 - 为简单起见，为简单起见，frobenius a -b norm a -b norm。

sklearn.neighbors.kneighbors_graph提供了一个不错的接口，但不允许矩阵值数据 - 例如。当我尝试按下图表时：

from torchvision.datasets import MNIST
import sklearn
# Define distance metric for matrices
metric_func = lambda X, Y: norm(X - Y, ord='fro')
data = MNIST('sample_data', train=True, transform=None, target_transform=None, download=True)        
adj_matrix = sklearn.neighbors.kneighbors_graph(
        data.data, 
        n_neighbors=5, 
        mode='connectivity',
        metric=metric_func, 
        p=2, 
        metric_params=None, 
        include_self=False, 
        n_jobs=None
    )

我得到错误：

ValueError: Found array with dim 3. Estimator expected <= 2.

我可以写自己的'kneighbors_graph((`方法，但它可能涉及循环和大量效率的双倍。是否有一种有效的方法可以在Python中创建此图？

Answer 1

弄平图像

from sklearn import datasets
from sklearn.neighbors import kneighbors_graph
digits = datasets.load_digits()
images = digits.data.reshape(-1, 8, 8)
distances = kneighbors_graph(images.reshape(-1, 64), 5, mode='distance', include_self=True, metric='euclidean')
distances =  distances.todense()
# Test
i = 11
print ("Actual Image: {0}, Nearest 5 Images: {1}".format(
    digits.target[i], digits.target[distances[i].nonzero()[1]]))

输出： Actual Image: 1, Nearest 5 Images: [1 1 1 1]

Answer 2

这很简单，它期望有2D(2维(数组作为x：

的输入

https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.kneighbors_graph.html

您提供了一个吗？检查，data.data.shape返回什么？