如何使用cosine_similarity运行KNN？

Question

我试图使用cosine_similarity运行KNN Classifier，但没有成功。

from sklearn.metrics.pairwise import cosine_similarity
knn = KNeighborsClassifier(n_neighbors=10,  metric=cosine_similarity).fit(x, y)

X的形状(150个样本，4个特征)：

(150, 4)

Y的形状：

(150,)

我搞错了：

ValueError: Expected 2D array, got 1D array instead

我曾尝试用reshape(-1,1)或rehsape(1,-1)重塑reshape(-1,1)或rehsape(1,-1)，但没有成功。

如何使用KNN Classifier在这个数据集(x有4个特性)上运行cosine_similarity？

Answer 1

问题是余弦相似性仅由最近邻算法的蛮力变体所支持。在这里，您有两个选项可以完成此任务：

选项1：显式指定在algorithm='brute'中使用蛮力算法

from sklearn.datasets import make_classification
from sklearn.metrics.pairwise import cosine_similarity
from sklearn.neighbors import KNeighborsClassifier


X, y = make_classification(n_samples=150, n_features=4, random_state=42)

knn = KNeighborsClassifier(n_neighbors=10, algorithm='brute',  metric=cosine_similarity)
knn.fit(X, y)

选项2：指定metric='cosine'，它将自动选择蛮力算法：

from sklearn.datasets import make_classification
from sklearn.metrics.pairwise import cosine_similarity
from sklearn.neighbors import KNeighborsClassifier


X, y = make_classification(n_samples=150, n_features=4, random_state=42)

knn = KNeighborsClassifier(n_neighbors=10,  metric='cosine')
knn.fit(X, y)

如果您想了解更多关于不同最近邻算法的内容，可以参考用户指南。