Skip to main content
1 de 3
Juan Salvador
  • 107
  • 1
  • 2
  • 5

Indices en algoritmo KNN de scikit-learn python 3

estoy implementando el algoritmo KNN de scikit-learn (python 3) a una base de datos georreferenciada. La bd tiene un total de 11821 registros. Estoy ingresando los siguientes comandos:

from sklearn.neighbors import NearestNeighbors

neigh = NearestNeighbors(n_neighbors= 4, metric='euclidean')
nbrs = neigh.fit(X) # X numpy array con dos columnas; Latitud y Longitud
distances_k, indices = nbrs.kneighbors(X)

la variable indices devuelve lo siguiente:

resultado para la variable indice del KNN

Donde la columna 0 es el vecino de referencia, y las siguientes columnas son sus tres vecinos más cercanos. Al ordenar de menor a mayor la columna 0 obtengo esto:

indices ordenados de menor a mayor

el registro 5 se repite muchas veces además los registros del 0 al 4 no aparecen, yo me esperaría que el algoritmo knn devolviera en la variable indices algo como esto:

Ejemplo de lo que esperaría del algoritmo KNN, en la variable distancias

Donde la columna 0 es el vecino de referencia y las siguientes sus vecinos más cercanos.

Por qué KNN me entrega índices repetidos y omite algunos?

Esta base de datos contiene puntos que están casi uno encima de otro (muy cercanos), puede que esa sea la razón. También pienso q no debería tomar en cuenta como índice del vecino de referencia la columna cero, tal vez debería tomar la columna de index o Índice para enlazar los registros con el resto de la información. Alguien a pasado por esto?

Espero puedan ayudarme, Saludos.

Juan Salvador
  • 107
  • 1
  • 2
  • 5