如何在 scikit-learn (python) 的 KernelDensity 中使用用户定义的指标答案

【问题标题】：How to use user defined metric in KernelDensity from scikit-learn (python)如何在 scikit-learn (python) 的 KernelDensity 中使用用户定义的指标
【发布时间】：2015-06-07 11:32:01
【问题描述】：

我正在使用 scikit-learn (0.14) 并尝试为我的 KernelDensity 估计实现用户定义的指标。

以下代码是我的代码结构示例：

def myDistance(x,y):
    return np.sqrt(sum((x - y)**2))

dt=DistanceMetric.get_metric("pyfunc",func=myDistance)

kernelModel=KernelDensity(algorithm='ball_tree',metric='pyfunc')
kernelModel.fit(X)

根据文档，BallTree 算法应该接受用户定义的指标。如果我按照此处给出的方式运行此代码，则会出现以下错误：

TypeError: __init__() takes exactly 1 positional argument (0 given)

错误似乎来自：

sklearn.neighbors.dist_metrics.PyFuncDistance.__init__

我不明白这一点。如果我检查上面代码中的“dt”给了我什么，我会得到我所期望的。 dt.pairwise(X) 返回正确的值。我做错了什么？

提前致谢。

【问题讨论】：

标签： python scikit-learn kernel-density metric

【解决方案1】：

解决办法是

kernelModel=KernelDensity(...,metric='pyfunc',metric_params={"func":myDistance})

不需要调用 Distancemetric.get_metric。 M

【讨论】：