python - 在 knn crossval 网格搜索中定义距离参数 (V)(seuclidean/mahalanobis 距离度量)

Question

我正在尝试使用 python sklearn 使用 KNN 算法进行 k 倍交叉验证网格搜索，搜索中的参数是邻居 K 的数量和距离度量。我将马哈拉诺比斯和塞几里得作为距离度量，并理解它们有一个需要指定的参数，即 V 或 VI(特征的协方差矩阵或其逆矩阵)。

下面是我的代码:

X_train, X_test, y_train,y_test=train_test_split(X,y,test_size=0.3,random_state=10,stratify=y)

knn=KNeighborsClassifier()

grid_param={'n_neighbors':np.arange(1,51),'metric':['euclidean','minkowski','mahalanobis','seuclidean'],'metric_params':[{'V': np.cov(X_train)}]} 

knn_gscv=GridSearchCV(knn,grid_param,cv=5)

knn_gscv.fit(X_train,y_train) (*)

(*) 行在执行时抛出此错误:

类型错误:__init__() 得到意外的关键字参数“V”

我也尝试过 VI 而不是 V，但得到了同样的错误。

我在下面遇到了潜在的解决方案，但这些没有帮助。

https://github.com/scikit-learn/scikit-learn/issues/6915

Scikit-learn: How do we define a distance metric's parameter for grid search

感谢任何帮助!

这也是我的第一个问题，因此任何反馈在这方面也会有所帮助。

Answer 1

grid_params = [
    {'n_neighbors': np.arange(1, 51), 'metric': ['euclidean', 'minkowski']},
    {'n_neighbors': np.arange(1, 51), 'metric': ['mahalanobis', 'seuclidean'],
     'metric_params': [{'V': np.cov(X_train)}]}
]

问题是 euclidean 和 minkowski 指标不接受 V 参数。所以你需要将它们分开。