为什么 metric='precomputed' 在 sk-learn 的 k 最近邻中不起作用？
Why metric='precomputed' doesn't work in sk-learn's k-nearest neighbours?
我试图在使用 http://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html 时拟合预先计算的内核矩阵，这显然是可能的，因为度量 'precomputed' 存在。我允许您将 n_samples*n_samples 核矩阵传递给 fit 方法。
使用它时，这是我得到的：
ValueError：指标 'precomputed' 对算法 'auto'
无效
我不明白使用算法 'auto' 查找最近邻与我使用的是预先计算的核矩阵这一事实不兼容。
编辑：
很遗憾，我的问题没有得到任何关注。我更深入地研究了源代码，似乎自从您通过 metric=precomputed 以来就存在一个错误，因为代码应该允许您选择 algorithm=auto。相反，当 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以这种方式运行。我不知道如何更改源代码以使其正常运行。
此外，我想补充的是，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，并在 k 个最近的邻居中用当前标签标记新数据。
我真的觉得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 学习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，但我也认为它应该有助于任何试图将 kNN 与预先计算的内核矩阵一起使用的人（这不是孤立的情况）。
我想现在回复太晚了，但如果你还在想的话。 'Auto' 将不起作用，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 'Ball Tree'，它应该可以正常工作。希望这对您有所帮助！
我试图在使用 http://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html 时拟合预先计算的内核矩阵，这显然是可能的，因为度量 'precomputed' 存在。我允许您将 n_samples*n_samples 核矩阵传递给 fit 方法。
使用它时，这是我得到的：
ValueError：指标 'precomputed' 对算法 'auto'
无效我不明白使用算法 'auto' 查找最近邻与我使用的是预先计算的核矩阵这一事实不兼容。
编辑：
很遗憾，我的问题没有得到任何关注。我更深入地研究了源代码，似乎自从您通过 metric=precomputed 以来就存在一个错误，因为代码应该允许您选择 algorithm=auto。相反，当 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以这种方式运行。我不知道如何更改源代码以使其正常运行。
此外，我想补充的是，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，并在 k 个最近的邻居中用当前标签标记新数据。
我真的觉得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 学习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，但我也认为它应该有助于任何试图将 kNN 与预先计算的内核矩阵一起使用的人（这不是孤立的情况）。
我想现在回复太晚了，但如果你还在想的话。 'Auto' 将不起作用，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 'Ball Tree'，它应该可以正常工作。希望这对您有所帮助！