如何在scikit-learn（python）中使用KernelDensity中的用户定义度量

Question

我使用scikit-learn（0.14）并尝试为我的KernelDensity估算实现用户定义的指标。

以下代码是我的代码结构的一个示例：

def myDistance(x,y):
    return np.sqrt(sum((x - y)**2))

dt=DistanceMetric.get_metric("pyfunc",func=myDistance)

kernelModel=KernelDensity(algorithm='ball_tree',metric='pyfunc')
kernelModel.fit(X)

根据文档，BallTree算法应该接受用户定义的指标。 如果我按照这里给出的方式运行此代码，我会收到以下错误：

TypeError: __init__() takes exactly 1 positional argument (0 given) 

错误似乎来自：

sklearn.neighbors.dist_metrics.PyFuncDistance.__init__

我不明白这一点。如果我检查一下＆＃39; dt＆＃39;在上面的代码中给了我，我得到了我期望的。 dt.pairwise（X）返回正确的值。 我做错了什么？

提前致谢。

Answer 1

解决方案

kernelModel=KernelDensity(...,metric='pyfunc',metric_params={"func":myDistance})

无需调用Distancemetric.get_metric。 中号