sklearn中的自定义指标

时间:2018-10-22 13:41:52

标签: python-3.x machine-learning scikit-learn

我应该设计一个自定义指标,以不同的算法应用于MNIST时,其性能优于L2。

from sklearn import neighbors

import utils
import math


# Extraction du dataset
x_train, y_train = utils.get_train_data()
x_test,  y_test  = utils.get_test_data()

def EuclideanDistance(x, y):
    return math.sqrt((y[0] - x[0]) ** 2 + (y[1] - x[1]) ** 2)

test_range = 10
test_results = []  # tableau d'enregistrements {nn: [uniform, distance]}

for k in range(test_range):  # will test all 'k' values from 2 to 'test_range + 1'
    n_neighbors = k+2
    print("\nTesting  k =", n_neighbors)
    error_rate = []
    for weights in ['uniform', 'distance']:
        knn_clf = neighbors.KNeighborsClassifier(n_neighbors,
                                                 metric=EuclideanDistance,
                                                 weights=weights)
        knn_clf.fit(x_train, y_train)
        predictions = knn_clf.predict(x_test)

        error_rate.append(utils.count_error_rate(predictions, y_test))

    test_results.append({n_neighbors: error_rate})

print("\nResults:", test_results)

这样做,我得到以下结果:

Testing  k = 2
Error rate =      91.58316633266533 %
Error rate =      91.58316633266533 %

Testing  k = 3
Error rate =      91.58316633266533 %
Error rate =      91.58316633266533 %

Testing  k = 4
Error rate =      91.58316633266533 %
Error rate =      91.58316633266533 %

...

这显然是错误的。为什么我的自定义指标应用于相同的上下文会得到相同的输出?

1 个答案:

答案 0 :(得分:0)

尝试使EuclideanDistance函数不受输入数据长度的影响(您的函数仅查看2个组件,而不是MNIST中的784个维):

def EuclideanDistance(x, y):
    if len(x) != len(y):
        raise ValueError("x and y need to have the same length")
    return math.sqrt(sum([(y[i] - x[i]) ** 2 for i in range(len(x))]))
对您对效率的评论进行

* EDIT

如果转到pythons lib文件夹(/site-packages/sklearn/metrics/pairwise.py),您会发现自己如何编写函数。 但是该函数中的注释指出:

  

出于效率原因,一对行之间的欧式距离
  向量x和y的计算公式为:

dist(x, y) = sqrt(dot(x, x) - 2 * dot(x, y) + dot(y, y))    
     

此配方具有两个优势   其他计算距离的方式。首先,它在计算上   处理稀疏数据时效率很高。第二,如果有一个论点   变化,但另一个保持不变,则dot(x, x)和/或   dot(y, y)可以预先计算。

     

但是,这并不是进行此计算的最精确方法,   并且此函数返回的距离矩阵可能不完全相同   scipy.spatial.distance函数所要求的对称性。