我有一个带标签的数据集，特征维度为46D，样本数量约为5000个，我希望使用近似最近邻方法对其进行分类。

由于我熟悉Scikit-Learn，我想利用它来实现这一目标。

Scikit-Learn的文档中列出了LSHForest作为ANN的可能方法之一，但我并不清楚如何将其应用于分类目的。

回答：

非常好的问题。不幸的是，目前Scikit-Learn似乎不支持自定义邻居模型，不过，你可以自己实现一个简单的包装器，例如

from sklearn.neighbors import LSHForestimport numpy as npfrom scipy.stats import modeclass LSH_KNN:    def __init__(self, **kwargs):        self.n_neighbors = kwargs['n_neighbors']        self.lsh = LSHForest(**kwargs)    def fit(self, X, y):        self.y = y        self.lsh.fit(X)    def predict(self, X):        _, indices = self.lsh.kneighbors(X, n_neighbors = self.n_neighbors)        votes, _ = mode(self.y[indices], axis=1)        return votes.flatten()