如何在 scikit-learn 中实现可调用距离度量？

Question

我正在使用 python 的 scikit learn 中的聚类模块，我想使用归一化欧氏距离。这个没有内置距离（据我所知）这是一个 list。

所以，我想使用可调用函数实现我自己的归一化欧氏距离。该函数是我的 distance 模块的一部分，称为 distance.normalized_euclidean_distance。它需要三个输入：X、Y 和 SD。

但是，归一化欧氏距离需要总体样本的标准差。但是，scipy 中的成对距离只允许两个输入：X 和 Y。

如何让它接受额外的参数？

我尝试将其作为 **kwarg 放入，但似乎不起作用：

cluster = DBSCAN(eps=1.0, min_samples=1,metric = distance.normalized_euclidean, SD = stdv)

其中 distance.normalized_euclidean 是我编写的函数，它接收两个数组 X 和 Y 并计算它们之间的归一化欧氏距离。

...但这会引发错误：

TypeError: __init__() got an unexpected keyword argument 'SD'

使用附加关键字参数的方法是什么？

Here 它说 Any further parameters are passed directly to the distance function.，这让我觉得这是可以接受的。

Answer 1

您可以使用 lambda 函数作为采用两个输入数组的指标：

cluster = DBSCAN(eps=1.0, min_samples=1,metric=lambda X, Y: distance.normalized_euclidean(X, Y, SD=stdv))

Answer 2

另一种方法是使用 metric_param arg，稍后将其作为 kwargs 发送到函数：

cluster = DBSCAN(eps=1.0, min_samples=1, metric=normalized_euclidean, metric_params={"SD": stdv})

How to implement callable distance metric in scikit-learn?