The X array which I'm using to fit for the kNN algorithm is n_samples x n
features big.
but for calculating the distance or in this case the tanimoto.
i thought tanimot(x,y) if I call it with :
KNeighborsClassifier(metric=tanimoto).fit(X_train,y_train) is,
x= is in sample and y= is one sample. So x is somehow converted into this
skalar array.
If I'm printing out your example, it actually works:
[ 0.35592602 0.75653009 0.53405987 0.47403539 0.56255335 0.82097978
0.90163467 0.67498667 0.09987697 0.0341568 ] [ 0.35592602 0.75653009
0.53405987 0.47403539 0.56255335 0.82097978
0.90163467 0.67498667 0.09987697 0.0341568 ]
print
x y
[ 0. 0.] [-1. -1.]
[ 0. 0.] [-2. -1.]
[ 0. 0.] [-3. -2.]
[ 0. 0.] [ 1. 1.]
[ 0. 0.] [ 2. 1.]
[ 0. 0.] [ 3. 2.]
[-1. -1.] [ 0. 0.]
[-1. -1.] [-1. -1.]
......
......
But there are still at the first 2 lines the skalars.
the output from my X_train is:
[array([ 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1., 0.,
......
1., 0., 0., 1., 1., 1., 1., 0., 1., 0., 1., 0., 1.,
0., 1., 0., 1., 1., 1., 0., 1., 0., 0., 1., 0., 1.,
1., 0., 1., 1., 1., 1., 1., 1., 1., 1., 0.]), array([
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 1., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
......
0., 0., 0., 0., 0., 0., 0., 1., 0., 1., 1., 0., 0.,
1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1., 0.,
1., 1., 0., 1., 0., 1., 1., 1., 0., 1., 0., 0., 0.,
0., 1., 0., 1., 1., 0., 1., 1., 1., 1., 0.]), array([
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1., 0.,
0., 0., 0., 1., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
...
0., 0., 0., 1., 1., 1., 0., 0., 0., 0., 0., 0., 1.,
0., 1., 0., 0., 0., 1., 1., 1., 1., 0., 0., 1., 0.,
1., 0., 1., 0., 1., 1., 1., 1., 1., 1., 0.]), array([
0., 0., 0., 1., 0., 0., 0., 0., 0., 0., 0., 0., 0.,....
------------------------------------------------------------------------------
Site24x7 APM Insight: Get Deep Visibility into Application Performance
APM + Mobile APM + RUM: Monitor 3 App instances at just $35/Month
Monitor end-to-end web transactions and take corrective actions now
Troubleshoot faster and improve end-user experience. Signup Now!
http://pubads.g.doubleclick.net/gampad/clk?id=267308311&iu=/4140
_______________________________________________
Scikit-learn-general mailing list
Scikit-learn-general@lists.sourceforge.net
https://lists.sourceforge.net/lists/listinfo/scikit-learn-general
