在 knn 交叉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 算法执行 k 折交叉验证网格搜索，搜索中的参数是邻居数 K 和距离度量。我包括 mahalanobis 和 seuclidean 作为距离度量，并且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它的逆矩阵）。

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：

TypeError: __init__() 得到了一个意外的关键字参数 'V'

我也尝试过使用 VI 而不是 V，但得到了同样的错误。

我遇到了以下可能的解决方案，但这些都没有帮助。

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

感谢任何帮助！

这也是我的第一个问题，所以任何反馈都会对这方面有所帮助。

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。所以你需要把它们分开。

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

Defining distance parameter (V) in knn crossval grid search (seuclidean/mahalanobis distance metrics)

python

knn

scikit-learn

mahalanobis

gridsearchcv