小编Tej*_*hah的帖子

使用自定义距离度量的稀疏矩阵的 K 最近邻 (KNN)

给定一个scipy.sparse.csr_matrix大小为 NxN (N = 900,000)的稀疏矩阵（使用），我试图使用自定义距离度量为测试集中的每一行找到前 k 个最近邻（来自输入矩阵的稀疏行向量）。基本上，输入矩阵的每一行代表一个项目，对于测试集中的每个项目（行），我需要找到它的 knn。

尝试：

尝试使用sklearn.neighbors.NearestNeighbor. 但是，在处理稀疏矩阵时，sklearn 似乎没有将可调用的度量函数作为输入：
```
ValueError: metric '<function <lambda> at 0x7f92ce221938>' not valid for sparse input
```
Run Code Online (Sandbox Code Playgroud)
目前正在尝试使用facebookresearch/pysparnn（看起来很有希望！）。它对实现自己的自定义距离类有一定的规定。但是，执行后，建立索引需要很长时间（24小时后仍在运行），正如作者所提到的，似乎

使用距离类型scipy.spatial.distance.cdist（或 sklearn 距离度量）比目前在 pysparnn 中的要慢得多。

我们正在通过编写自定义内容来调试 sklearn/scipy 距离度量的这个性能问题。