在Knn分類器上設置權重

Question

我是python的新手（我正在使用python 3），並希望在knn分類器中設置權重。 實際上，我想使用距離的反平方作為權重。 如果該距離取決於您要預測的輸入，如何在訓練矩陣中設置此索引？

從我的閱讀中，我試圖創建一個函數作為參數，但是在確定輸入時我有一些疑問。 我的直覺告訴我，函數的輸入應該是數組，更具體地說，應該是測試矩陣的一行。

我的X_train有4列（所以我的X_test也是如此）

def my_weight_function(row_vector):
    w=[]
    for i in range(len(X_train)):
        dif = np.asarray(X_train[i:i+1]) - np.asarray(row_vector)
        dist = np.linalg.norm(dif)
        w.append([1/dist])
    return w

此功能正在工作

my_weight_function(X_test[1:2])[0:6]

現在我訓練

knn2 = KNeighborsClassifier(n_neighbors = 5, weights=my_weight_function)
knn2.fit(X_train, y_train)

到目前為止，沒有錯誤，但是當我這樣做時

fruit_prediction = knn2.predict([[9.2,9.6,362,0.74]])
print(fruit_prediction)

我有以下錯誤：

ValueError：操作數不能與形狀（1,4）（1,5）一起廣播

Answer 1

您的要求已在Sklearn中實現。 您要做的就是weights='distance'

從文檔 ：

'距離'：權重點按其距離的倒數表示。 在這種情況下，查詢點的近鄰比遠處的近鄰具有更大的影響力。

這是一段代碼，將權重實現為距離的倒數。

如果要使用其他策略自定義稱量功能，則udf會獲取distances數組，然后計算權重。

[callable]：用戶定義的函數，它接受距離數組，並返回包含權重的相同形狀的數組。