Question

我有一个矩阵X，我试图使用KNNS与pearson相关度量。是否可以将pearson相关性用作sklearn指标？我尝试过这样的事情：

def pearson_calc(M):
    P = (1 - np.array([[pearsonr(a,b)[0] for a in M] for b in M]))
    return P 

nbrs = NearestNeighbors(n_neighbors=4, metric=pearson_calc)
nbrs.fit(X)
knbrs = nbrs.kneighbors(X)

但是，这不起作用，因为我收到以下错误：

pearson_affinity() takes 1 positional argument but 2 were given

我假设pearson_calc函数是错误的。也许它需要a，b参数而不是矩阵。

Answer 1

以下是有关此事的文件：

如果metric是可调用的函数，它在每个实例（行）和结果值上调用记录。可调用的 应该将两个数组作为输入并返回一个表示它们之间距离的值。

此外，指标的有效值为：

  来自scikit-learn的
：

['cityblock'，'cosine'，'euclidean'，'l1'，'l2'，'manhattan']

来自scipy.spatial.distance：

[“braycurtis”，   'canberra'，'chebyshev'，' 相关性 '，'骰子'，'汉明'，'jaccard'，   'kulsinski'，'mahalanobis'，'匹配'，'minkowski'，'rogerstanimoto'，   'russellrao'，'seuclidean'，'sokalmichener'，'sokalsneath'，   'sqeuclidean'，'yule']

两件事：

你的函数需要有两个参数（要计算度量（距离）的两行。这就解释了为什么错误说两个参数被传递给它。

您可以使用scipy.spatial.distance.correlation作为指标。

from scipy.spatial.distance import correlation
nbrs = NearestNeighbors(n_neighbors=4, metric='correlation')

` 来源：sklearn NearestNeighbors

是否可以在sklearn中使用pearson相关度量标准？

1 个答案: