scikit-learn - 为什么度量 ='precomputed' 在 sk-learn 的 k-最近邻中不起作用？

Question

我试图在使用 http://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html 时拟合一个预先计算的内核矩阵，这显然是可能的，因为存在“预先计算”的指标。我允许你传递一个 n_samples*n_samples 核矩阵来拟合方法。

使用它时，这是我得到的:

ValueError:指标“预计算”对算法“自动”无效

我不明白如何使用算法“自动”来查找最近的邻居与我使用预先计算的内核矩阵的事实不兼容。

编辑:

不幸的是，我的问题没有得到任何关注。我已经更深入地研究了源代码，自从您通过 metric=precomputed 以来似乎存在一个错误。 ，因为代码应该允许您选择 algorithm=auto .相反，在运行时，代码会遇到我提到的 valueError，我认为作者不希望他的代码表现得那样。我不知道如何更改源代码以使其正常运行。

另外我想补充一个问题，从更理论的角度来看，能够使用核矩阵(又名克矩阵)来使用 kNN 的拟合方法是完全合理的。您可以从 gram 矩阵中推导出距离矩阵，然后当您想要预测新数据时，您只需找到 k 个最近的邻居，并使用 k 个最近邻居中最新的标签标记新数据。

我真的认为这个问题应该得到答案。这是正确的问题，我想要一些非常精确的东西，我知道对 Python 和 scikit learn 库有更深入了解的人应该能够回答它。也许我遗漏了一些明显的东西，但我也认为它应该可以帮助任何尝试将 kNN 与预先计算的内核矩阵(这不是孤立的情况)一起使用的人。

Answer 1

我想这是一个太晚的答复，但如果你仍然想知道。 “自动”不起作用，因为 KDTree 不接受用户定义或预先计算的指标。只有球树会起作用。如果您专门将算法设置为“球树”，它应该可以正常工作。希望这可以帮助!