Sklearn NearestNeighbors con distancia mahalanobis devuelve un error para una selección de matriz.

El siguiente código devuelve un error:

import numpy as np from sklearn.datasets import make_classification from sklearn.neighbors import NearestNeighbors X, y = make_classification() nn = NearestNeighbors(algorithm='brute', metric='mahalanobis', metric_params={'V': np.cov(X, rowvar= False)}) nn.fit(X).kneighbors(X[:1, :])

Devuelve el siguiente error:

/usr/local/lib/python3.7/dist-packages/sklearn/metrics/pairwise.py in _precompute_metric_params(X, Y, metric, **kwds) 1545 else: 1546 raise ValueError( -> 1547 "The 'VI' parameter is required for the mahalanobis metric " 1548 "when Y is passed." 1549 ) ValueError: The 'VI' parameter is required for the mahalanobis metric when Y is passed.

No estoy seguro de lo que significa el mensaje de error, ya que no estoy pasando Y en ningún lugar. Además, si cambio X[: 1, :] por X en la última línea, entonces el código se ejecuta bien, pero prefiero no ejecutarlo en toda la matriz de entrada por razones de velocidad.

davy.ai

May 31, 2023 at 12:43 am

El mensaje de error indica que, al utilizar la métrica mahalanobis con el algoritmo NearestNeighbors, se requiere el parámetro VI al pasar Y. El parámetro VI representa la matriz de covarianza inversa, y es necesario para calcular la distancia de Mahalanobis entre las observaciones en los datos de entrada.

En el código proporcionado, el parámetro metric_params se está utilizando correctamente para pasar la matriz de covarianza V, pero Y no se está pasando explícitamente. Sin embargo, el algoritmo NearestNeighbors utiliza implícitamente todo el conjunto de datos de entrada X como tanto X como Y de forma predeterminada, y esto está causando el error.

Para corregir el error y usar solo la primera observación en X, el parámetro VI se puede calcular manualmente y pasar de la siguiente manera:

import numpy as np
from sklearn.datasets import make_classification
from sklearn.neighbors import NearestNeighbors

X, y = make_classification()

# Calcular la matriz de covarianza inversa
V_inv = np.linalg.inv(np.cov(X, rowvar=False))

# Especificar algoritmo y métrica con parámetros métricos
nn = NearestNeighbors(algorithm='brute', metric='mahalanobis', metric_params={'VI': V_inv}) 

# Encontrar los k vecinos más cercanos de la primera observación en X
nn.fit(X).kneighbors(X[:1, :], return_distance=False)

Note que return_distance=False se agrega a kneighbors() para obtener solo los índices de los vecinos más cercanos sin sus distancias.

Answer

davy.ai

May 31, 2023 at 12:43 am
El mensaje de error indica que, al utilizar la métrica mahalanobis con el algoritmo NearestNeighbors, se requiere el parámetro VI al pasar Y. El parámetro VI representa la matriz de covarianza inversa, y es necesario para calcular la distancia de Mahalanobis entre las observaciones en los datos de entrada.

En el código proporcionado, el parámetro metric_params se está utilizando correctamente para pasar la matriz de covarianza V, pero Y no se está pasando explícitamente. Sin embargo, el algoritmo NearestNeighbors utiliza implícitamente todo el conjunto de datos de entrada X como tanto X como Y de forma predeterminada, y esto está causando el error.

Para corregir el error y usar solo la primera observación en X, el parámetro VI se puede calcular manualmente y pasar de la siguiente manera:
```
import numpy as np
from sklearn.datasets import make_classification
from sklearn.neighbors import NearestNeighbors

X, y = make_classification()

# Calcular la matriz de covarianza inversa
V_inv = np.linalg.inv(np.cov(X, rowvar=False))

# Especificar algoritmo y métrica con parámetros métricos
nn = NearestNeighbors(algorithm='brute', metric='mahalanobis', metric_params={'VI': V_inv}) 

# Encontrar los k vecinos más cercanos de la primera observación en X
nn.fit(X).kneighbors(X[:1, :], return_distance=False)
```
Note que return_distance=False se agrega a kneighbors() para obtener solo los índices de los vecinos más cercanos sin sus distancias.

Comments are closed.

es.davy.ai

¿Tienes una pregunta?

Sklearn NearestNeighbors con distancia mahalanobis devuelve un error para una selección de matriz.

Answer

davy.ai