当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python sklearn KNeighborsClassifier.kneighbors_graph用法及代码示例


本文简要介绍python语言中 sklearn.neighbors.KNeighborsClassifier.kneighbors_graph 的用法。

用法:

kneighbors_graph(X=None, n_neighbors=None, mode='connectivity')

为 X 中的点计算k-Neighbors 的(加权)图。

参数

X形状类似数组 (n_queries, n_features) 或 (n_queries, n_indexed) 如果 metric == ‘precomputed’,默认=无

查询点或点。如果未提供,则返回每个索引点的邻居。在这种情况下,查询点不被认为是它自己的邻居。对于metric='precomputed',形状应为 (n_queries, n_indexed)。否则形状应该是(n_queries,n_features)。

n_neighbors整数,默认=无

每个样本的邻居数。默认值是传递给构造函数的值。

mode{‘connectivity’, ‘distance’},默认='连接性'

返回矩阵的类型:‘connectivity’ 将返回带有 1 和 0 的连接矩阵,在 ‘distance’ 中,边是点之间的距离,距离类型取决于 NearestNeighbors 类中所选的度量参数。

返回

Asparse-matrix 形状 (n_queries, n_samples_fit)

n_samples_fit 是拟合数据中的样本数。 A[i, j] 给出连接 ij 的边的权重。该矩阵为 CSR 格式。

例子

>>> X = [[0], [3], [1]]
>>> from sklearn.neighbors import NearestNeighbors
>>> neigh = NearestNeighbors(n_neighbors=2)
>>> neigh.fit(X)
NearestNeighbors(n_neighbors=2)
>>> A = neigh.kneighbors_graph(X)
>>> A.toarray()
array([[1., 0., 1.],
       [0., 1., 1.],
       [1., 0., 1.]])

相关用法


注:本文由纯净天空筛选整理自scikit-learn.org大神的英文原创作品 sklearn.neighbors.KNeighborsClassifier.kneighbors_graph。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。