Sklearn：具有字符串值和自定义指标的最近邻

Posted 2023-02-18

【中文标题】Sklearn：具有字符串值和自定义指标的最近邻

【英文标题】：Sklearn: Nearest Neightbour with String-Values and Custom Metric

【发布时间】：2022-01-01 10:50:39

【问题描述】：

我的数据如下所示（都是字符串值）

>>> all_states[0:3]
[['A','B','Empty'],
 ['A', 'B', 'Empty'],
 ['C', 'D', 'Empty']]

我想使用自定义距离指标

def mydist(x, y):
    return 1
neigh = NearestNeighbors(n_neighbors=5, metric=mydist)

但是，当我打电话时

neigh.fit(np.array(all_states))

我得到了错误

ValueError：无法使用 dtype='numeric'

将字节/字符串数组转换为十进制数

我知道我可以使用OneHotEncoder 或LabelEncoder - 但我也可以不编码数据，因为我有自己的距离度量吗？

【参考方案1】：

据我所知，机器学习模型需要根据数值数据进行训练。如果您的距离度量有办法将您的字符串转换为数字，那么它将起作用。

【参考方案2】：

在help page，

metrics tr or callable, default='minkowski'

用于树的距离度量。默认度量是 minkowski，并且 p=2 是 相当于标准欧几里得度量。参见文档 可用指标列表的 DistanceMetric。如果指标是 “预先计算”，假设 X 是一个距离矩阵并且必须是正方形 合身期间。 X 可能是一个稀疏图，在这种情况下只有“非零” 元素可以被视为邻居。

您可以使用pdist documentation 并根据输入要求将其设为方形：

all_states = [['A','B','Empty'],
 ['A', 'B', 'Empty'],
 ['C', 'D', 'Empty']]

from scipy.spatial.distance import pdist,squareform
from sklearn.neighbors import NearestNeighbors

dm = squareform(pdist(all_states, mydist))
dm

array([[0., 1., 1.],
       [1., 0., 1.],
       [1., 1., 0.]])

neigh = NearestNeighbors(n_neighbors=5, metric="precomputed")  
neigh.fit(dm)