Question

也许这是基本的，但我找不到在mahalanobis中使用sklearn距离的好例子。

我甚至无法得到这样的指标：

from sklearn.neighbors import DistanceMetric
DistanceMetric.get_metric('mahalanobis')

这会引发错误：TypeError: 0-dimensional array given. Array must be at least two-dimensional。

但是，我甚至无法得到一个阵列：

DistanceMetric.get_metric('mahalanobis', [[0.5],[0.7]])

投掷：

TypeError: get_metric() takes exactly 1 positional argument (2 given)

我查看了文档here和here。但是，我没有看到它所期望的论点类型有没有我能看到的使用马哈拉诺比斯距离的例子？

Answer 1

MahalanobisDistance期望参数V是协方差矩阵，并且可选地是另一参数VI，其是协方差矩阵的逆。此外，这两个参数都命名为而不是位置。

另请查看sklearn repo文件MahalanobisDistance中的课程scikit-learn/sklearn/neighbors/dist_metrics.pyx的docstring。

示例：

In [18]: import numpy as np
In [19]: from sklearn.datasets import make_classification
In [20]: from sklearn.neighbors import DistanceMetric
In [21]: X, y = make_classification()
In [22]: DistanceMetric.get_metric('mahalanobis', V=np.cov(X))
Out[22]: <sklearn.neighbors.dist_metrics.MahalanobisDistance at 0x107aefa58>

修改

由于某些原因（bug？），您无法将距离对象传递给NearestNeighbor构造函数，但需要使用距离度量的名称。此外，设置algorithm='auto'（默认为'ball_tree'）似乎不起作用;所以从上面的代码中可以看出X：

In [23]: nn = NearestNeighbors(algorithm='brute', metric='mahalanobis', metric_params={'V': np.cov(X)}) # returns the 5 nearest neighbors of that sample In [24]: nn.fit(X).kneighbors(X[0, :]) Out[24]: (array([[ 0., 3.21120892, 3.81840748, 4.18195987, 4.21977517]]), array([[ 0, 36, 46, 5, 17]]))

Answer 2

在使用矩阵M（X x Y）创建cov矩阵时，需要转置矩阵M。马哈拉诺比斯公式为（x-x1）^ t *逆covmatrix *（x-x1）。如您所见，第一个参数已转置，这意味着矩阵XY更改为YX。为了产生第一个参数和cov矩阵，cov矩阵应为YY形式。

如果您仅使用np.cov（M），它将是XX，使用np.cov（M.T），它将为YY。

如何在sklearn DistanceMetrics中使用mahalanobis距离？

2 个答案: