真的與這種numpy形狀不匹配錯誤相混淆

我正在谷歌雲平臺ml引擎上的sklearn實現一個簡單的k最近鄰算法。我使用自定義度量來計算兩個輸入向量之間的距離，以便距離是兩個向量之間的元素平方差中元素的加權和。該代碼是下面：真的與這種numpy形狀不匹配錯誤相混淆

import os.path 
from sklearn import neighbors 
import numpy as np 
from six.moves import cPickle as pickle 
import tensorflow as tf 
from tensorflow.python.lib.io import file_io 

flags = tf.app.flags 
FLAGS = flags.FLAGS 
flags.DEFINE_string('input_dir', 'input', 'Input Directory.') 
flags.DEFINE_string('input_train_data','train_data','Input Training Data File Name.') 
pickle_file = os.path.join(FLAGS.input_dir, FLAGS.input_train_data) 

def mydist(x, y): 
    return np.dot((x - y) ** 2, weight) 

with file_io.FileIO(pickle_file, 'r') as f: 
    save = pickle.load(f) 
    train_dataset, train_labels, valid_dataset, valid_labels = save['train_dataset'], save['train_labels'], save[ 
     'valid_dataset'], save['valid_labels'] 

train_data = train_dataset[:1000] 
train_label = train_labels[:1000] 
test_data = valid_dataset[:100] 
weight = [1.0]* len(train_dataset[1]) 
knn = neighbors.KNeighborsRegressor(weights='distance', n_neighbors=20, metric=lambda x, y: mydist(x, y)) 
knn.fit(train_data, train_label) 
predict = knn.predict(test_data) 
print(predict)

train_dataset是形狀（86667,13）和valid_dataset的numpy的陣列具有形狀（8000,13）。 Train_labels具有形狀（86667,1）和valid_labels（8000,1）。出於某種原因，我得到了一個尺寸不匹配：

line 15, in mydist return np.dot((x - y) ** 2, weight) ValueError: shapes 
(10,) and (13,) not aligned: 10 (dim 0) != 13 (dim 0)

X和Y兩個自定義指標輸入應該有大小13但不知何故，他們有大小10誰能解釋一下什麼是錯在這裏？

來源

2017-08-11 Tony Wang

'重量'的形狀是什麼？此外，我不熟悉KNeighborRegressor函數，但您在哪裏指定x和y是什麼？ – BenT

weight是一個長度爲13的列表。我將自定義度量函數mydist放入KNeighborsRegressor的實例化中的度量參數中。 –

您正在考慮錯誤條款之間的距離。你不能把標籤和火車功能之間的距離。這些是兩個不同的方面。您需要計算任意兩個特徵點之間的距離，比如x1和x2,，而不是標籤和它的特徵點（比如x1和y1）之間的距離。其次，在聲明KNeighborsRegressor對象時，您指定了錯誤的參數。在'metric'參數中，您指定'string'或'DistanceMetric'對象。 首先，您必須製作一個距離度量對象，然後將其作爲度量標準傳遞。所以，這是你的調用函數的正確方法：

my_metric=DistanceMetric.get_metric('myfunc',func=mydist) 
knn = neighbors.KNeighborsRegressor(weights='distance', n_neighbors=20, metric='myfunc')

Sklearn本身將採取的參數是如何在距離函數傳遞關懷。我假設權重變量是全局的，您的代碼才能正常運行。

來源

2017-08-11 06:12:55

那麼，我應該如何修改我的自定義度量函數以計算兩個輸入x1，x2之間的加權元素平方差？ –

我認爲您的自定義指標定義是正確的。您只需要將其變成如上所示的示例的DistanceMetric對象，並將其傳遞到KNeighborsRegressor對象。 –

感謝您的幫助！ –

真的與這種numpy形狀不匹配錯誤相混淆

回答

相關問題