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

Question

我正在使用scikitlearn（0.14）并尝试实现一个用户定义的度量，用于我的KernelDensity估计。在

下面的代码是我的代码的结构示例：

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。 如果我按这里给出的方式运行此代码，会出现以下错误：

^{pr2}$

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，我就得到了我想要的。双对数（十） 返回正确的值。 我做错什么了？在

提前谢谢。在

Answer 1

解决方案是

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

号召Distancemetric.get_metric没有必要。 米