Sklearn kNN 使用用户定义的指标（再次）

Question

有人在这里发布了类似的问题，但我无法完成我的工作

见

Sklearn kNN usage with a user defined metric

我想定义我的 user_metric 并在 KNN 中使用它。
我似乎有签名问题，但我不明白。谢谢

gamma=2


def mydist2 (x,y):
    z=(x-y)
    return (z[0]^2+gamma*z[1]^2) 
neigh = KNeighborsClassifier(n_neighbors=3,metric=mydist2)

neigh.fit(traindata,train_labels)
neigh.score(testdata,test_labels)

def mydist2 (x,y):ValueError Traceback (most recent call last) <ipython-input-81-f934c7b5c9b3> in <module>()
→ 1 neigh.fit(traindata,train_labels)
2 neigh.score(testdata,test_labels)

C:\Users\Fagui\Anaconda2\lib\site-packages\sklearn\neighbors\base.pyc
in fit(self, X, y)
801 self._y = self._y.ravel()
802
803 return self._fit(X)
804
805

C:\Users\Fagui\Anaconda2\lib\site-packages\sklearn\neighbors\base.pyc
in fit(self, X)
256 self.tree = BallTree(X, self.leaf_size,
257 metric=self.effective_metric,
--> 258 **self.effective_metric_params)
259 elif self._fit_method == 'kd_tree':
260 self._tree = KDTree(X, self.leaf_size,

sklearn/neighbors/binary_tree.pxi in sklearn.neighbors.ball_tree.BinaryTree.init (sklearn\neighbors\ball_tree.c:8381)()

sklearn/neighbors/dist_metrics.pyx in sklearn.neighbors.dist_metrics.DistanceMetric.get_metric
(sklearn\neighbors\dist_metrics.c:4032)()

sklearn/neighbors/dist_metrics.pyx in sklearn.neighbors.dist_metrics.PyFuncDistance.init
(sklearn\neighbors\dist_metrics.c:10628)()

ValueError: func must be a callable taking two arrays

作为奖励问题，我想将伽玛作为参数传递

非常感谢

Answer 1

来自KNeighborsClassifier documentation : the metric argument must be a string or DistanceMetric Object，你给出了一个函数。

为了传递您自己的指标，您必须指定：metric='pyfunc' 并添加关键字参数 func=mydist2.

在 the similar question 中：他们解释说自定义指标只能在设置 algorithm='ball_tree' 并且您保留默认值 'auto'.

时使用

我认为以下应该有效：

neigh = KNeighborsClassifier(n_neighbors=3, algorithm='ball_tree',metric='pyfunc', func=mydist2)

当谈到传递 gamma 作为参数时，我会尝试：

def mydist2 (x,y, gamma=2):
    z=(x-y)
    return (z[0]^2+gamma*z[1]^2)

并添加参数 metric_params={'gamma':2}

neigh = KNeighborsClassifier(n_neighbors=3, algorithm='ball_tree',metric='pyfunc', func=mydist2, metric_params={'gamma':2} )

但我不确定，文档中没有明确的示例。

Answer 2

我的问题很愚蠢

语法正确

问题是 python 中的求幂不是用 ^ 而是用 **

因此 16=2**4 而不是 2^4

Answer 3

Define a metric in Cython, build the module to create the library and call it from your main code.

Sklearn 已优化并使用 cython 和多个进程以尽可能快地运行。编写纯 python 代码，尤其是当它被多次调用时，会降低您的代码速度。我建议您使用 cython 编写自定义指标。您有一个可以遵循的教程 right here

Sklearn kNN 使用用户定义的指标（再次）

Sklearn kNN usage with a user defined metric (again)

python

knn

scikit-learn