我正在尝试使用 python sklearn 的 KNN 算法执行 k 折交叉验证网格搜索,搜索中的参数是邻居数 K 和距离度量。我将 mahalanobis 和 seuclidean 作为距离度量,并且理解它们有一个需要指定的参数,即 V 或 VI(特征的协方差矩阵或它的逆矩阵)。
下面是我的代码:
X_train, X_test, y_train,y_test=train_test_split(X,y,test_size=0.3,random_state=10,stratify=y)
knn=KNeighborsClassifier()
grid_param={'n_neighbors':np.arange(1,51),'metric':['euclidean','minkowski','mahalanobis','seuclidean'],'metric_params':[{'V': np.cov(X_train)}]}
knn_gscv=GridSearchCV(knn,grid_param,cv=5)
knn_gscv.fit(X_train,y_train) (*)
(*) 行在执行时会抛出此错误:
TypeError: __init__() 得到了一个意外的关键字参数 'V'
我也尝试过 VI 而不是 V 但得到了同样的错误。
我在下面遇到了潜在的解决方案,但这些没有帮助。
https://github.com/scikit-learn/scikit-learn/issues/6915
Scikit-learn:我们如何为网格搜索定义距离度量的参数
任何帮助表示赞赏!
这也是我的第一个问题,所以任何反馈都会在这方面有所帮助。