半徑近鄰圖

sklearn.neighbors.radius_neighbors_graph(X, radius, *, mode='connectivity', metric='minkowski', p=2, metric_params=None, include_self=False, n_jobs=None)

計算 X 中點的（加權）近鄰圖。

鄰域限制在距離小於半徑的點。

在使用者指南中閱讀更多內容。

參數:

X{類陣列, 稀疏矩陣}，形狀為 (n_samples, n_features)

樣本資料。

radius浮點數

鄰域的半徑。

mode{‘connectivity’, ‘distance’}，預設值為’connectivity’

傳回矩陣的類型： ‘connectivity’ 將傳回由 1 和 0 組成的連通性矩陣，而 ‘distance’ 將傳回根據給定度量標準的鄰居之間的距離。

metric字串，預設值為’minkowski’

用於距離計算的度量標準。預設為 “minkowski”，當 p = 2 時，會產生標準的歐幾里得距離。請參閱 scipy.spatial.distance 的文件，以及 distance_metrics 中列出的度量標準，以取得有效的度量標準值。

p浮點數，預設值為2

Minkowski 度量的冪參數。當 p = 1 時，這相當於使用 manhattan_distance (l1)，而 p = 2 時使用 euclidean_distance (l2)。對於任意 p，使用 minkowski_distance (l_p)。

metric_params字典，預設值為None

度量標準函數的額外關鍵字引數。

include_self布林值或 ‘auto’，預設值為False

是否將每個樣本標記為其本身的第一個最近鄰。如果為 ‘auto’，則 mode=’connectivity’ 時使用 True，而 mode=’distance’ 時使用 False。

n_jobs整數，預設值為None

用於近鄰搜尋的並行作業數量。None 表示 1，除非在 joblib.parallel_backend 環境中。-1 表示使用所有處理器。詳情請參閱詞彙表。

傳回值:

A形狀為 (n_samples, n_samples) 的稀疏矩陣

圖，其中 A[i, j] 被指定為連接 i 到 j 的邊緣的權重。該矩陣為 CSR 格式。

另請參閱

k近鄰圖 (kneighbors_graph)

計算 X 中點的 k 近鄰加權圖。

範例

>>> X = [[0], [3], [1]]
>>> from sklearn.neighbors import radius_neighbors_graph
>>> A = radius_neighbors_graph(X, 1.5, mode='connectivity',
...                            include_self=True)
>>> A.toarray()
array([[1., 0., 1.],
       [0., 1., 0.],
       [1., 0., 1.]])