想为数据集Y中的每一个点,在数据集X中找到距其(y)最近的k个点.

  • 点的个数 k 由参数中的 n_neighbors表示
  • 距离指的是 欧几里得距离(Euclidean distance )

函数输出:

  • indices : 这k个最近的点的索引(X 的索引)
  • distances : 在所有X的points中,距离Y中的(每个)点最近的k个点的距离

函数表达式:

nbrs = NearestNeighbors(n_neighbors=2, algorithm='ball_tree').fit(X)
distances, indices = nbrs.kneighbors(Y)

详解举例:(先用NearestNeighbors函数计算,再求证)

from sklearn.neighbors import NearestNeighbors
import numpy as npX = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])Y = np.array([[1, 5],[3,3]])nbrs = NearestNeighbors(n_neighbors=1, algorithm='ball_tree').fit(X)
distances, indices = nbrs.kneighbors(Y)print(indices)
print(distances)# [[5]
#  [5]]
# [[3.60555128]
#  [1.        ]]# ---------- check ---------- def distEuclid(x, y):distance= np.sqrt(np.sum(np.square(x-y)))return distanced = np.zeros((2,6), dtype=float)
for i in range(len(Y)):for j in range(len(X)):d[i,j] = distEuclid(X[j], Y[i])
print(d)# [[6.32455532 6.70820393 8.06225775 4.         4.12310563 3.60555128]
#  [5.65685425 6.40312424 7.81024968 2.82842712 2.23606798 1.        ]]

sklearn NearestNeighbors相关推荐

  1. [Python][sklearn] 使用from sklearn.neighbors import NearestNeighbors计算相似度

    代码如下: from sklearn.neighbors import NearestNeighbors import numpy as npX = np.array([[-1,-1],[-2,-1] ...

  2. KNN分类器之NearestNeighbors详解及实践

    KNN(K Nearest Neighbors)分类器之最近邻NearestNeighbors详解及实践 如何判断谁是最近邻? 通过距离方法.例如欧几里得距离. KNN属于基于实例的学习方法 一个实例 ...

  3. sklearn—无监督最近邻

    无监督最近邻 NearestNeighbors (最近邻)实现了 unsupervised nearest neighbors learning(无监督的最近邻学习). 它为三种不同的最近邻算法提供统 ...

  4. sklearn API 文档 - 0.18 中文翻译

    为什么80%的码农都做不了架构师?>>>    所有函数和类的确切API,由docstrings给出.API会为所有功能提供预期类型和允许的功能,以及可用于算法的所有参数. 原文链接 ...

  5. sklearn学习总结(超全面)

    https://blog.csdn.net/fuqiuai/article/details/79495865 前言 sklearn想必不用我多介绍了,一句话,她是机器学习领域中最知名的python模块 ...

  6. Python编程语言学习:sklearn.manifold的TSNE函数的简介、使用方法、代码实现之详细攻略

    Python编程语言学习:sklearn.manifold的TSNE函数的简介.使用方法.代码实现之详细攻略 目录 Manifold简介 TSNE简介-数据降维且可视化 TSNE使用方法 TSNE代码 ...

  7. sklearn API 文档

    所有函数和类的确切API,由docstrings给出.API会为所有功能提供预期类型和允许的功能,以及可用于算法的所有参数. 原文链接 : http://scikit-learn.org/stable ...

  8. sklearn的KNN文档中实例代码的注释

    链接是: http://scikit-learn.org/stable/modules/generated/sklearn.neighbors.NearestNeighbors.html#sklear ...

  9. sklearn学习之KNN

    机器学习之sklearn(knn) 文章目录 前言 一.KNN是什么? 二.KNN原理 三.使用步骤 1.引入库以及参数说明 2.应用场景(鸢尾花分类) 四.KNN的优缺点 五.k临近(KNN)与K- ...

  10. python机器学习库sklearn——K最近邻、K最近邻分类、K最近邻回归

    全栈工程师开发手册 (作者:栾鹏) python数据挖掘系列教程 KNN即K最近邻,相关的知识内容可以参考 http://blog.csdn.net/luanpeng825485697/article ...

最新文章

  1. mysql的count报错_mysql的floor()报错注入方法详细分析
  2. Object:window_方法
  3. 电源上的sense什么意思_冷知识:电源开关上的这两个标识有什么含义?
  4. 【iCore组合式双核心开发板教程】通过STM32 FSMC 读写FPGA Verilog 例子
  5. 面试感悟-------一名3年工作经验的程序员应该具备的技能
  6. Matlab中数组元素引用——三种方法
  7. 【数理知识】特征值、特征向量、左特征向量
  8. Java - Java集合中的安全失败Fail Safe机制 (CopyOnWriteArrayList)
  9. 仿生计算(参考神经网络)2017年考试卷子,考前抱佛脚必备!!中英翻译版本!!
  10. 数据可视化系列(六):场景案例显神通
  11. 2月份全球制造业PMI为55.6% 已连续8个月保持在50%以上
  12. Oracle数据库空间突然增大,Oracle数据库突然宕机,处理方案
  13. as cast float server sql_SQL语言在数据工程(Data Engineering)中的运用(一)
  14. webapp构建工具库
  15. 数据分析专题报告范文6篇_阿里大佬是怎么写数据分析报告的?
  16. 学习笔记(15):程序员的数学:微积分-常用导数(二):最常用到的技巧
  17. 【100+ python基础入门-37】Python可变集合和不可变集合的构造方法和注意事项
  18. linux 硬件故障 日志_对Linux中的硬件问题进行故障排除
  19. [c++] 计算太阳高度角
  20. 2021牛客寒假算法基础集训营1(A B C D E F H I J)

热门文章

  1. Win10 【TITAN Xp】和【TITAN RTX】-【TensorFlow】环境简单总结
  2. Win11如何设置自动关机
  3. CSP介绍、以及使用CryptoAPI枚举CSP并获取其属性
  4. 1237 -- 地盘划分
  5. 刷题时遇到的经典解法(实时更新)
  6. Androidapk安装流程之adb安装
  7. 抽奖活动前端源码-可录入抽奖人名单
  8. js模仿QQ头像资料卡显示与隐藏
  9. 中国人的宴席座次礼仪
  10. 《时代》杂志评出的100部最佳英语小说(含下载)