python - 如何从kNeighborsClassifier中找到前n个匹配项？

我正在尝试从一组带有标签的样本向量中搜索向量。我需要找到最佳的n匹配项。我为此使用kNeighborsClassifier。

nbrs = KNeighborsClassifier(n_neighbors=2, algorithm='ball_tree', metric='euclidean').fit(train_data_array, train_label)
yp = nbrs.predict(xt)

但是问题在于它仅返回前1个结果。我认为基于欧几里得距离，我可以得到最佳的n匹配项，但是我不确定如何提取该信息。

最佳答案

您可以使用kneighbors() method in KNeighborsClassifier。

它将返回训练数据的索引（您在fit()中使用的索引）以及最接近您在其中提供的点的距离。

例：

from sklearn import datasets
from sklearn.neighbors import KNeighborsClassifier
iris = datasets.load_iris()
X = iris.data
y = iris.target

clf = KNeighborsClassifier()
clf.fit(X, y)

# here I am taking a single point only
distances, indices = clf.kneighbors(X[[0]],  n_neighbors=2)

print(distances, indices)

#Output: array([[0., 0.]]), array([[17,  0]])

在这里，第一个输出是距离，第二个是X的索引，最接近X[[0]]

关于python - 如何从kNeighborsClassifier中找到前n个匹配项？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/51380812/