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:
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:
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:
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.