当我想在KNeighborsClassifier中使用标准欧几里得度量时。

knn = KNeighborsRegressor(n_neighbors=k,metric='seuclidean' )knn.fit(newx,y)

出现了以下类型错误：

C:\Anaconda3\lib\site-packages\sklearn\neighbors\base.py in fit(self, X, y)    741             X, y = check_X_y(X, y, "csr", multi_output=True)    742         self._y = y--> 743         return self._fit(X)    744     745 C:\Anaconda3\lib\site-packages\sklearn\neighbors\base.py in _fit(self, X)    238             self._tree = BallTree(X, self.leaf_size,    239                                   metric=self.effective_metric_,--> 240                                   **self.effective_metric_params_)    241         elif self._fit_method == 'kd_tree':    242             self._tree = KDTree(X, self.leaf_size,sklearn\neighbors\binary_tree.pxi in sklearn.neighbors.ball_tree.BinaryTree.__init__ (sklearn\neighbors\ball_tree.c:9220)()sklearn\neighbors\dist_metrics.pyx in sklearn.neighbors.dist_metrics.DistanceMetric.get_metric (sklearn\neighbors\dist_metrics.c:4821)()sklearn\neighbors\dist_metrics.pyx in sklearn.neighbors.dist_metrics.SEuclideanDistance.__init__ (sklearn\neighbors\dist_metrics.c:6399)()TypeError: __init__() takes exactly 1 positional argument (0 given)

我自己编写了一个函数来实现knn，如下所示：

而sklearn的代码如下：

for k in range(1,8):    knn = KNeighborsRegressor(n_neighbors=k,metric='seuclidean' , metric_params={'V':x.std(axis=0)})    knn.fit(x ,y)    print(knn.predict(testx)[0], '%'*10, k)

以上两个结果不一致，为什么？

回答：

seuclidean 距离度量需要一个 V 参数来满足以下计算：

sqrt(sum((x - y)^2 / V))

如在 sklearn 的距离度量文档中所定义。

您可以在 KNeighborsRegressor 初始化时使用 metric_params 参数传入 V（见KNR文档）。