Python sklearn KNeighborsRegressor.kneighbors_graph用法及代碼示例

本文簡要介紹python語言中 sklearn.neighbors.KNeighborsRegressor.kneighbors_graph 的用法。

用法:

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

為 X 中的點計算k-Neighbors 的(加權)圖。

參數：

X：形狀類似數組 (n_queries, n_features) 或 (n_queries, n_indexed) 如果 metric == ‘precomputed’，默認=無

查詢點或點。如果未提供，則返回每個索引點的鄰居。在這種情況下，查詢點不被認為是它自己的鄰居。對於metric='precomputed'，形狀應為 (n_queries, n_indexed)。否則形狀應該是(n_queries，n_features)。

n_neighbors：整數，默認=無

每個樣本的鄰居數。默認值是傳遞給構造函數的值。

mode：{‘connectivity’, ‘distance’}，默認='連接性'

返回矩陣的類型：‘connectivity’ 將返回帶有 1 和 0 的連接矩陣，在 ‘distance’ 中，邊是點之間的距離，距離類型取決於 NearestNeighbors 類中所選的度量參數。

返回：

A：sparse-matrix 形狀 (n_queries, n_samples_fit)

n_samples_fit 是擬合數據中的樣本數。 A[i, j] 給出連接 i 到 j 的邊的權重。該矩陣為 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.]])