为什么 Skealearn-NearestNeighbors returns 一个 werid/wrong 结果？

Question

• 代码

from sklearn.neighbors import NearestNeighbors
import numpy as np
import matplotlib.pyplot as plt

X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
plt.scatter(X[:,0], X[:,1])
nbrs = NearestNeighbors(n_neighbors=4, algorithm='kd_tree').fit(X)
distances, indices = nbrs.kneighbors(X)

print(indices)
print(distances)
print(nbrs.kneighbors_graph(X).toarray())

• 结果

[[0 1 2 3]
 [1 0 2 3]
 [2 1 0 3]
 [3 4 5 0]
 [4 3 5 0]
 [5 4 3 0]]
[[0.         1.         2.23606798 2.82842712]
 [0.         1.         1.41421356 3.60555128]
 [0.         1.41421356 2.23606798 5.        ]
 [0.         1.         2.23606798 2.82842712]
 [0.         1.         1.41421356 3.60555128]
 [0.         1.41421356 2.23606798 5.        ]]
[[1. 1. 1. 1. 0. 0.]
 [1. 1. 1. 1. 0. 0.]
 [1. 1. 1. 1. 0. 0.]
 [1. 0. 0. 1. 1. 1.]
 [1. 0. 0. 1. 1. 1.]
 [1. 0. 0. 1. 1. 1.]]

最后三点，我觉得第4个数据最接近。 为什么代码returns第一个数据最接近？

Answer 1

不知道你说的最后三个点最接近第4个数据是什么意思。但是如果你比较 distances 和 indices，输出对我来说似乎是正确的。