假设我有一组数据点，其中包含了纬度和经度坐标等多个特征。
我想在纬度和经度上使用带有”haversine”度量标准的KNeighborsRegressor。数据X_train, Y_train应该如何为回归器准备？
k_clf = KNeighborsRegressor(n_neighbors=num_neigh,weights=myweights,algorithm='ball_tree',metric='haversine')clf.fit(X_train,Y_train)另外，如果我决定编写自己的度量标准，函数会接收一个每个点有10个值的numpy ndarray，我如何区分纬度和经度？
回答：
来自sklearn文档：http://scikit-learn.org/stable/modules/generated/sklearn.neighbors.DistanceMetric.html
关于你问题的第一部分：在KNN回归中使用哈弗赛恩度量标准：
适用于二维向量空间的度量标准：请注意，哈弗赛恩距离度量标准要求数据形式为[纬度, 经度]，输入和输出都以弧度为单位。
因此，你的X_train的第一列应该是纬度，第二列应该是经度。
现在关于你问题的第二部分，如果你想定义自己的度量标准，那么你可以选择X_train的格式。但请记住，如果你想使用"ball_tree"算法，你的度量标准必须是一个数学距离：
非负性：d(x, y) >= 0
同一性：d(x, y) = 0 当且仅当 x == y
对称性：d(x, y) = d(y, x)
三角不等式：d(x, y) + d(y, z) >= d(x, z)否则，你只能使用"brute"算法。
