Python 用sklearn计算最近邻图？

这个问题是关于从质心数目未知的数据集创建K-最近邻图[KNNG]（这与K-means聚类不同）

假设有一个观测数据集存储在数据矩阵

X[n_样本，n_特征]

中，每行为观测值或特征向量，每列为特征。现在假设您要使用计算X中点的（加权）值

选择每个样本使用的邻居数量的基本方法是什么？当你有大量的观察数据时，什么算法能很好地进行缩放

我在下面看到过这种蛮力方法，但当样本数据集变大时，它的效果并不好，您必须为

n\u neighbories\u max

选择一个良好的起始上限。这个算法有名字吗

def autoselect_K(X, n_neighbors_max, threshold):
    # get the pairwise euclidean distance between every observation
    D = sklearn.metrics.pairwise.euclidean_distances(X, X)
    chosen_k = n_neighbors_max
    for k in range(2, n_neighbors_max):
        k_avg = []
        # loop over each row in the distance matrix
        for row in D:
            # sort the row from smallest distance to largest distance
            sorted_row = numpy.sort(row)
            # calculate the mean of the smallest k+1 distances
            k_avg.append(numpy.mean(sorted_row[0:k]))
        # find the median of the averages
        kmedian_dist = numpy.median(k_avg)
        if kmedian_dist >= threshold:
            chosen_k = k
            break
    # return the number of nearest neighbors to use
    return chosen_k

• 从代码中可以看出，您正在寻找基于最近邻的分类结果。 在这种情况下，您在距离矩阵上的搜索类似于蛮力搜索，并且违背了最近邻算法的目的

也许你正在寻找的是一个新的分类器。这里

• 关于最近邻居数量的选择，这取决于数据的稀疏性。它有助于将最近的邻居视为限制搜索的一种方式。而不是检查所有的样品。它会让你 将搜索范围缩小到前N个（最近邻）样本。后来 您可以对这N个样本应用特定于域的技术，以获得所需的结果

---

n_neighbors似乎也是sklearn.neighbors.kneighbors分类器的输入参数。我正在寻找一种根据经验推导n_近邻的方法。不幸的是，没有可靠的方法来选择K（Num_近邻）。这取决于您的数据集。最好的经验解决方案是使用许多不同的K值运行超参数搜索，并在保留一个测试集上选择给出最佳结果的值。如果你有很多数据，你可以建立一个k倍评估管道来搜索k。