如何在sklearn.cluster的DBSCAN中分配sample_weights?

我正在使用DBSCAN来查找RGB图像像素值的聚类。

db = DBSCAN(eps=0.3, min_samples=10).fit(X)

其中，X是一个N x 3的矩阵。X的每一行包含RGB三元组。

现在，我想根据像素值到图像中心的距离来分配权重。我使用的函数如下：

score = 1 / (1 + math.exp(-a * distance)) # a = 0.001

我计算了weight_matrix，并用上述的score填充它

接下来我这样做：

db = DBSCAN(eps=0.3, min_samples=10).fit(X,y=None, sample_weight=weight_matrix)

其中，weight_matrix数组的长度等于X的行数。

但我得到了以下错误：

TypeError: fit() got an unexpected keyword argument 'y'

所以我尝试这样做：

db = DBSCAN(eps=0.3, min_samples=10).fit(X, sample_weight=weight_matrix)

现在我得到了这个错误：

TypeError: fit() got an unexpected keyword argument 'sample_weight'

我认为我传递参数的方式不正确，但不能确定。我的scikit-learn版本是0.14.0。

回答：

看起来你使用的是scikit-learn版本<= 0.15，因为这是DBSCAN最后一次使用以下形式的fit的版本

fit(X)

自0.16版本起，它变成了

fit(X, y=None, sample_weight=None)

简单地将你的scikit-learn更新到0.16或0.17.X版本即可

学技术