Python sklearn NearestNeighbors.radius_neighbors_graph用法及代碼示例

本文簡要介紹python語言中 sklearn.neighbors.NearestNeighbors.radius_neighbors_graph 的用法。

用法:

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

計算 X 中點的鄰居(加權)圖。

鄰域被限製在小於半徑的距離處。

參數：

X：形狀類似數組(n_samples，n_features)，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。

radius：浮點數，默認=無

街區半徑。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。

sort_results：布爾，默認=假

如果為 True，則在結果的每一行中，非零條目將按增加的距離排序。如果為 False，則可能不對非零條目進行排序。僅與 mode='distance' 一起使用。

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(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.]])