Python 如何在sklearn DistanceMetrics中使用马氏距离？

也许这是最基本的，但我在

sklearn

中找不到使用

mahalanobis

距离的好例子

我甚至不能得到这样的度量：

from sklearn.neighbors import DistanceMetric
DistanceMetric.get_metric('mahalanobis')

这会引发一个错误：

TypeError:0维数组给定。数组必须至少是二维的

但是，我甚至不能让它接受数组：

DistanceMetric.get_metric('mahalanobis', [[0.5],[0.7]])

抛出：

TypeError: get_metric() takes exactly 1 positional argument (2 given)

我查了一下文件和文件。但是，我看不出它期望的是什么类型的参数。

---

是否有一个使用我能看到的马氏距离的例子？

马氏距离

需要一个参数

V

，它是协方差矩阵，也可以选择另一个参数

VI

，它是协方差矩阵的逆矩阵。此外，这两个参数都是命名的，而不是位置的

还要检查文档字符串中的文件

scikit learn/sklearn/neights/dist_metrics.pyx

中的类

MahalanobisDistance

例如：

In [18]: import numpy as np
In [19]: from sklearn.datasets import make_classification
In [20]: from sklearn.neighbors import DistanceMetric
In [21]: X, y = make_classification()
In [22]: DistanceMetric.get_metric('mahalanobis', V=np.cov(X))
Out[22]: <sklearn.neighbors.dist_metrics.MahalanobisDistance at 0x107aefa58>

---

在使用矩阵M（X X Y）创建cov矩阵时，需要转置矩阵M。 马氏公式是（x-x1）^t*逆矩阵*（x-x1）。正如你们所看到的，第一个参数被转置，这意味着矩阵XY变为YX。为了生成第一个参数和cov矩阵，cov矩阵应为YY形式

如果你只使用np.cov（M），它将是XX，

---

使用np.cov（M.T），它将是YY。

如何使用距离度量，比如说

最近邻

或聚类？当我尝试使用它时，我得到了

ValueError:Metric对算法'auto'无效

@Sother我在我的答案中添加了一个

NearestNeighbor

示例。适用于

nearestneighbories

，但我没有看到算法和聚类算法的

“Metric\u params”

？我尝试使用

dm=DistanceMetric.get\u Metric（'mahalanobis'，=icov）

distance function，然后是

db=DBSCAN（eps=x，min_samples=1，metric='pyfunc'，func='dm'，algorithm='brute'）.fit（np.array（x_train'u numeric））

但它不识别

“func”

作为参数。@因此我从未使用

mahalanobis

距离与

DBSCAN

，但是它看起来似乎还没有得到DBSCAN的正确支持——我建议在github上打开一个问题，或者在

sklearn

邮件列表上询问。

In [23]: nn = NearestNeighbors(algorithm='brute', 
                               metric='mahalanobis', 
                               metric_params={'V': np.cov(X)})
# returns the 5 nearest neighbors of that sample
In [24]: nn.fit(X).kneighbors(X[0, :])     
Out[24]: (array([[ 0., 3.21120892, 3.81840748, 4.18195987, 4.21977517]]), 
          array([[ 0, 36, 46,  5, 17]]))