Python sklearn NearestNeighbors.radius_neighbors_graph用法及代码示例

本文简要介绍python语言中 sklearn.neighbors.NearestNeighbors.radius_neighbors_graph 的用法。

用法:

radius_neighbors_graph(X=None, radius=None, mode='connectivity', sort_results=False)

计算 X 中点的邻居(加权)图。

邻域被限制在小于半径的距离处。

参数：

X：形状类似数组(n_samples，n_features)，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。

radius：浮点数，默认=无

街区半径。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。

sort_results：布尔，默认=假

如果为 True，则在结果的每一行中，非零条目将按增加的距离排序。如果为 False，则可能不对非零条目进行排序。仅与 mode='distance' 一起使用。

返回：

A：sparse-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 i 到 j 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(radius=1.5)
>>> neigh.fit(X)
NearestNeighbors(radius=1.5)
>>> A = neigh.radius_neighbors_graph(X)
>>> A.toarray()
array([[1., 0., 1.],
       [0., 1., 0.],
       [1., 0., 1.]])