sklearn k 最近邻的问题

Question

我想知道是否有一种方法可以强制 sklearn NearestNeighbors 算法，以在存在重复点时考虑输入数组中点的顺序。

为了显示：

>>> from sklearn.neighbors import NearestNeighbors
>>> import numpy as np

X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
nbrs = NearestNeighbors(n_neighbors=2, algorithm='ball_tree').fit(X)
distances, indices = nbrs.kneighbors(X)
indices                                           
>>>> array([[0, 1],
     [1, 0],
     [2, 1],
     [3, 4],
     [4, 3],
     [5, 4]])

因为查询集与训练集匹配，所以每个点的最近邻是点本身，距离为零。 但是，如果我允许 X 中的重复点，则可以理解，该算法不会区分重复项：

X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1],[3, 2],[-1,-1],[-1,-1]])
nbrs = NearestNeighbors(n_neighbors=2, algorithm='auto').fit(X)
distances, indices = nbrs.kneighbors(X)
indices 
>>>> array([[6, 0],
   [1, 0],
   [2, 1],
   [3, 4],
   [4, 3],
   [5, 4],
   [6, 0],
   [6, 0]])

理想情况下，我希望最后一个输出类似于：

    >>>> array([[0, 6],
   [1, 0],
   [2, 1],
   [3, 4],
   [4, 3],
   [5, 4],
   [6, 0],
   [7, 6]])

Answer 1

我认为你不能这样做，因为从ref我们得到：

警告：关于最近邻算法，如果两个邻居，邻居k+1和k具有相同的距离但不同的标签，结果将取决于训练数据的顺序。