Python 可以在sklearn中使用pearson相关度量吗？

我有一个矩阵X，我正试图使用KNN和皮尔逊相关度量。是否可以使用皮尔逊相关性作为sklearn度量？我试过这样的方法：

def pearson_calc(M):
    P = (1 - np.array([[pearsonr(a,b)[0] for a in M] for b in M]))
    return P 

nbrs = NearestNeighbors(n_neighbors=4, metric=pearson_calc)
nbrs.fit(X)
knbrs = nbrs.kneighbors(X)

但是，这不起作用，因为我得到以下错误：

pearson_affinity（）接受1个位置参数，但给出了2个

---

我假设pearson_calc函数是错误的。也许它需要一个a，b参数，而不是一个矩阵

以下是关于此事的文件：

如果metric是一个可调用函数， 在每个实例对（行）和结果值上调用它 已录制。可调用的应将两个数组作为输入并返回一个数组 指示它们之间距离的值。

此外，度量的有效值为：

从scikit学习：

[“城市块”、“余弦”、“欧几里德”、“l1”、“l2”、“曼哈顿”]

从scipy.spatial.distance开始：

['braycurtis'， ‘堪培拉’、‘切比雪夫’、‘相关性’、‘骰子’、‘哈明’、‘杰卡德’， “kulsinski”、“mahalanobis”、“matching”、“minkowski”、“rogerstanimoto”， “russellrao”、“seuclidean”、“sokalmichener”、“sokalsneath”， “欧几里得”、“圣诞节”]

两件事：

• 您的函数需要接受两个参数（计算度量（距离）的两行）。这解释了为什么错误会说两个参数被传递给它

• 您可以使用

  scipy.space.distance.correlation

  作为度量，如下所示：

    from scipy.spatial.distance import correlation
    nbrs = NearestNeighbors(n_neighbors=4, metric=correlation)
  

  ` 资料来源：