Question

问题：

sklearn允许创建用户定义的距离函数，用于多种算法（例如KNN）。但是，它通过在页面末尾创建a random numpy array（__init__ class PyFuncDistance(DistanceMetric)来测试用户定义的函数。我的函数是为分类变量定义的，并且为了加快计算，我将字典传递给我提前构建的距离函数。当然，当sklearn通过float数组进行测试时，它会引发KeyError，因为字典只有属性值作为键。

代码：

import pandas as pd
import numpy as np
from sklearn import preprocessing
from sklearn.neighbors import KNeighborsClassifier
from sklearn import cross_validation

df = pd.DataFrame(np.random.choice(["a", "b", "c", "d"], (200, 4)))   

for col in df:
    le = preprocessing.LabelEncoder()
    le.fit(df[col])
    df[col] = le.transform(df[col])

value_dict = df[0].value_counts().to_dict()

def custom_distance(point1, point2, value_dict):
    #this is not the actual distance function, just a simplified version for reproducibility
    distance = .0
    for i in range(1, len(point1)+1):
        distance += abs(value_dict[point1[i]] - value_dict[point2[i]])
    return distance

neigh_custom = KNeighborsClassifier(n_neighbors=10, metric=custom_distance, 
                        metric_params = {"value_dict": value_dict})

scores = cross_validation.cross_val_score(neigh_custom, df.ix[:,1:], df.ix[:,0], cv=10)

问题：

为了确保错误不是由原始数据引起的，而是由测试引起的，只有__init__ PyFuncDistance aa -- bb -- cc -- dd引发该异常，才能捕获该异常吗？目前我正在检查数字是否在0到1之间，以了解它是否是随机生成的，但我不认为这是一个好习惯。

Answer 1

import traceback
import sys


try:
    scores = cross_validation.cross_val_score(neigh_custom, df.ix[:,1:], df.ix[:,0], cv=10)
except Exception, err:
    exc_type, exc_value, exc_traceback = sys.exc_info()
    sam =  traceback.format_exception(exc_type, exc_value,
                                          exc_traceback)
    if 'PyFuncDistance.__init__' in sam[-3]:
        print 'I knew it'

如果您想针对其他问题提出异常，可以使用＆＃39; raise＆＃39;并使用sam打印回溯调用问题

希望这有帮助！

如果由特定函数

1 个答案: