这个问题是关于如何从一个未知中心点数量的数据集中创建一个K-最近邻图（KNNG），这与K均值聚类不同。

假设你有一个观测数据集，存储在一个数据矩阵X[n_samples, n_features]中，每行是一个观测或特征向量，每列是一个特征。现在假设你想使用sklearn.neighbors.kneighbors_graph计算X中点的（加权）k-邻居图。

对于每个样本，选择邻居数量的基本方法是什么？当你有大量观测数据时，哪些算法扩展性好？

我看到下面这种暴力方法，但当样本数据集变大时，它表现不佳，而且你必须为n_neighbors_max选择一个好的起始上限。这个算法有名字吗？

def autoselect_K(X, n_neighbors_max, threshold):    # 获取每个观测之间的欧几里得距离    D = sklearn.metrics.pairwise.euclidean_distances(X, X)    chosen_k = n_neighbors_max    for k in range(2, n_neighbors_max):        k_avg = []        # 遍历距离矩阵的每一行        for row in D:            # 从最小距离到最大距离排序行            sorted_row = numpy.sort(row)            # 计算最小的k+1个距离的平均值            k_avg.append(numpy.mean(sorted_row[0:k]))        # 找到平均值的中位数        kmedian_dist = numpy.median(k_avg)        if kmedian_dist >= threshold:            chosen_k = k            break    # 返回要使用的最近邻数量    return chosen_k

回答：

• 从你的代码来看，你似乎在寻找基于最近邻的分类结果。在这种情况下，你对距离矩阵的搜索类似于暴力搜索，这违背了最近邻算法的目的。

或许你寻找的是NNClassifier。这里有https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html

• 关于选择最近邻的数量，这取决于你的数据的稀疏性。将最近邻视为一种限定搜索范围的方式是有帮助的，而不是查看所有样本。它允许你将搜索范围缩小到前N（最近邻）个样本。然后，你可以在这N个样本上应用特定领域的技术来获得所需的结果。