Machine learning 在Scikit学习中使用近似近邻进行分类

我有一个带标签的数据集，有一个46D特征集和大约5000个样本，我想用近似近邻分类

因为我熟悉Scikit Learn，所以我想利用它来实现这个目标

---

scikit文档将LSHForest列为ANN的可能方法之一，但我不清楚如何将其应用于分类目的。

这是一个很好的问题。不幸的是，scikit learn现在似乎不支持自定义邻居模型，但您可以自己实现简单的包装器，例如

from sklearn.neighbors import LSHForest
import numpy as np
from scipy.stats import mode

class LSH_KNN:

    def __init__(self, **kwargs):
        self.n_neighbors = kwargs['n_neighbors']
        self.lsh = LSHForest(**kwargs)

    def fit(self, X, y):
        self.y = y
        self.lsh.fit(X)

    def predict(self, X):
        _, indices = self.lsh.kneighbors(X, n_neighbors = self.n_neighbors)
        votes, _ = mode(self.y[indices], axis=1)
        return votes.flatten()

---

谢谢你的回复。我一定会查一查。你也能告诉我，是否有任何方法可以集成该系统的近似邻居查找机制。我的主要问题是，我有所有这些ANN库供我使用，它们可以计算距离和索引，我如何在sklearn中利用它们进行分类？你必须编写自己的包装，比如任何东西的包装，以便输入。这真的很有帮助：）