与sklearn距离算法混淆

Question

而我想在kneighbors分类器中使用标准的欧几里德度量。在

knn = KNeighborsRegressor(n_neighbors=k,metric='seuclidean' )
knn.fit(newx,y)

显示的类型错误：

^{pr2}$

我只需键入自己的函数来实现knn，如下所示：

import numpy as np
from sklearn.preprocessing import StandardScaler
x = np.random.randint(0,10,(10,2))
y = np.random.randint(0,10,(10,1))
testx = np.random.randint(0,10,(1,2))
sds = StandardScaler()
sds.fit(x)
sklean_newx = sds.transform(x)
sklearn_newtestx = sds.transform(testx)
distance = np.sqrt(((testx - newx) ** 2).sum(axis=1))
for k in range(1,8):
    kn = distance.argsort()[:k]
    print(y[kn].mean(), '%'*10, k)

SKLERN公司：

for k in range(1,8):
    knn = KNeighborsRegressor(n_neighbors=k,metric='seuclidean' , metric_params={'V':x.std(axis=0)})
    knn.fit(x ,y)
    print(knn.predict(testx)[0], '%'*10, k)

以上两个结果不一致，为什么？在

Answer 1

seuclidean距离度量需要V参数来满足以下计算：

sqrt(sum((x - y)^2 / V))

如sklearnDistance Metrics文档中所定义。在

可以使用KNeighborsRegressor初始化中的metric_params参数传入V（请参见KNR docs）。在