与 sklearn.neighbors.NearestNeighbors 的输出混淆

Question

这是代码。

from sklearn.neighbors import NearestNeighbors
import numpy as np
X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
nbrs = NearestNeighbors(n_neighbors=2, algorithm='ball_tree').fit(X)
distances, indices = nbrs.kneighbors(X)


>indices

>array([[0, 1],[1, 0],[2, 1],[3, 4],[4, 3],[5, 4]])

>distances

>array([[0.        , 1.        ],[0.        , 1.        ],[0.        , 1.41421356], [0.        , 1.        ],[0.        , 1.        ],[0.        , 1.41421356]])

我不太了解“指数”和“距离”的形状。我如何理解这些数字的含义？

Answer 1

它实际上非常简单。对于kneighbors()（X此处）输入中的每个数据样本，它将显示 2 个邻居。（因为您已指定n_neighbors=2. Theindices将为您提供训练数据的索引（再次X在这里），distances并将为您提供训练数据中相应数据点的距离（索引所指的）。

以单个数据点为例。假设X[0]作为第一个查询点，答案将是indices[0]和distances[0]

所以对于X[0]，

• 训练数据中第一个最近邻的索引为indices[0, 0] = 0，距离为distances[0, 0] = 0。您可以使用此索引值从训练数据中获取实际数据样本。

  这是有道理的，因为你使用相同的数据进行训练和测试，所以每个点的第一个最近邻是它自己，距离是0。

• 第二个最近邻居的索引是indices[0, 1] = 1，距离是distances[0, 1] = 1

对于所有其他点也是如此。在第一维indices和distances对应于查询点和第二个维度邻居的数量要求。