ValueError: Metric 'cosine' not valid. Use sorted(sklearn.neighbors.VALID_METRICS['kd_tree']) to get valid options. Metric can also be a callable function.
Ai cerut la k-NN algoritmul `kd_tree` (sau `ball_tree`) împreună cu metrica `cosine`, pe care aceste structuri nu o suportă. Lasă `algorithm="auto"` sau pune `algorithm="brute"`, care acceptă `cosine`; ori păstrează arborele și alege o metrică suportată, de exemplu `euclidean`.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
KNeighborsClassifier, KNeighborsRegressor și NearestNeighbors caută vecinii fie direct (brute, compară cu toate punctele), fie printr-o structură de date (kd_tree, ball_tree) care grăbește căutarea. Structurile acestea funcționează doar cu anumite distanțe: kd_tree cu cele de tip Minkowski (euclidiană, Manhattan, Chebyshev), ball_tree cu ceva mai multe. Distanța cosinus nu e printre ele, de aceea mesajul te trimite la lista VALID_METRICS pentru algoritmul ales.
Apare când ai fixat algorithm (de exemplu copiat dintr-un exemplu despre viteză) și apoi ai schimbat metrica, sau când pui ambele în GridSearchCV și unele combinații nu sunt valide. Cu algorithm="auto", scikit-learn alege singur metoda potrivită metricii.
De ce apare: cauzele frecvente
1kd_tree cu distanța cosinus
KNeighborsClassifier(n_neighbors=3, algorithm="kd_tree", metric="cosine")KNeighborsClassifier(n_neighbors=3, algorithm="brute", metric="cosine")Căutarea directă (brute) calculează orice distanță, inclusiv cosinus.
2Algoritm fixat fără motiv
NearestNeighbors(algorithm="ball_tree", metric="cosine")NearestNeighbors(metric="cosine")Implicit algorithm="auto" alege o metodă compatibilă cu metrica.
3Combinații invalide în GridSearchCV
grila = {"algorithm": ["kd_tree", "brute"], "metric": ["euclidean", "cosine"]}grila = [
{"algorithm": ["kd_tree", "brute"], "metric": ["euclidean"]},
{"algorithm": ["brute"], "metric": ["cosine"]},
]O listă de grile testează doar combinațiile care au sens.
Repară eroarea, direct în pagină
Codul de mai jos dă ValueError: Metric 'cosine' not valid. Use sorted(sklearn.neighbors.VALID_METRICS['kd_tree'])..., pentru că kd_tree nu suportă distanța cosinus. Folosește căutarea directă, ca programul să afișeze cel mai asemănător client pentru clientul nou.
from sklearn.neighbors import NearestNeighbors
nume = ["Ana", "Bogdan", "Carmen"]
# lei cheltuiti pe: carti, electronice, haine
X = [[100, 0, 50], [10, 900, 20], [5, 80, 400]]
nn = NearestNeighbors(n_neighbors=1, algorithm="kd_tree", metric="cosine").fit(X)
# clientul nou cheltuie mult, dar in aceleasi proportii ca Ana
dist, idx = nn.kneighbors([[1000, 0, 500]])
print("Cel mai asemanator:", nume[idx[0][0]])Cel mai asemanator: Ana
Indiciu
Schimbă algorithm="kd_tree" în algorithm="brute".
Reparația
from sklearn.neighbors import NearestNeighbors
nume = ["Ana", "Bogdan", "Carmen"]
# lei cheltuiti pe: carti, electronice, haine
X = [[100, 0, 50], [10, 900, 20], [5, 80, 400]]
nn = NearestNeighbors(n_neighbors=1, algorithm="brute", metric="cosine").fit(X)
# clientul nou cheltuie mult, dar in aceleasi proportii ca Ana
dist, idx = nn.kneighbors([[1000, 0, 500]])
print("Cel mai asemanator:", nume[idx[0][0]])De ce merge
Cu algorithm="brute", căutarea compară clientul nou cu fiecare client existent folosind direct distanța cosinus, deci orice metrică e permisă. Distanța cosinus ignoră mărimea sumelor și se uită doar la proporții: clientul nou cheltuie de zece ori mai mult decât Ana, dar în aceleași proporții, deci Ana iese cea mai apropiată.
Alte forme ale mesajului
ValueError: Metric 'cosine' not valid. Use sorted(sklearn.neighbors.VALID_METRICS['ball_tree']) to get valid options. Metric can also be a callable function.ValueError: Metric 'cosine' not valid for algorithm 'kd_tree'
Cum o eviți pe viitor
Lasă algorithm="auto" dacă nu ai măsurat o problemă de viteză. Alege metrica după date: euclidiană pentru trăsături numerice scalate, cosinus pentru vectori de text sau de preferințe, unde contează direcția, nu mărimea. Când chiar fixezi algoritmul, verifică metricile permise cu sorted(VALID_METRICS["kd_tree"]) din sklearn.neighbors.
Întrebări frecvente
E mai lent cu algorithm="brute"?
Pe seturi mari și cu puține trăsături, arborii pot fi mai rapizi. Pe seturi mici sau cu multe trăsături (de exemplu text), brute e adesea la fel de rapid sau mai rapid.
Când folosesc distanța cosinus?
Când contează proporțiile, nu mărimea: doi clienți care cumpără aceleași categorii în aceleași proporții sunt asemănători, chiar dacă unul cheltuie de zece ori mai mult.
Erori înrudite
ValueError: Expected n_neighbors <= n_samples_fit, but n_neighbors = 5, n_samples_fit = 3, n_samples = 1 k-NN caută 5 vecini (valoarea implicită), dar a fost antrenat pe doar 3 exemple. Alege n_neighbors cel mult egal cu numărul de rânduri de antrenare (de exemplu n_neighbors=3) sau antrenează pe mai multe date. InvalidParameterError: The 'max_depth' parameter of DecisionTreeClassifier must be an int in the range [1, inf) or None. Got 0 instead. Parametrul are o valoare nepermisă: max_depth trebuie să fie un întreg de la 1 în sus sau None (fără limită), iar tu ai dat 0. Mesajul îți spune exact ce valori sunt acceptate; alege una din interval. ValueError: Invalid parameter 'C' for estimator Pipeline(steps=[('scaler', StandardScaler()), ('model', LogisticRegression())]). Valid parameters are: ['memory', 'steps', 'transform_input', 'verbose']. Ai dat lui GridSearchCV (sau lui set_params) un parametru al modelului direct pipeline-ului. Într-un pipeline, parametrii pașilor se scriu cu numele pasului și două underscore-uri: 'model__C' în loc de 'C'. Învață Machine Learning de la zero, cu exerciții la fiecare lecție
Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
