在Google Colab中无法从sklearn.neighbors导入LSHForest的问题

错误原因 #

LSHForest在scikit-learn 0.22版本中被正式移除，而Google Colab默认安装的是远高于该版本的scikit-learn（你当前环境是Python3.9，对应的scikit-learn版本肯定在0.22以上），所以直接从sklearn.neighbors导入会报错。你使用的是scikit-learn 0.16版本的文档，该组件早已被废弃。

解决方案 #

有两种可行的处理方式：

1. 降级scikit-learn到兼容版本（不推荐）

如果你必须使用LSHForest，可以将scikit-learn降级到0.21.3（最后一个包含LSHForest的版本），操作步骤如下：

• 执行安装命令：

  !pip install scikit-learn==0.21.3
  

• 安装完成后，必须重启Google Colab的运行时，之后再执行导入代码：

  from sklearn.neighbors import LSHForest
  

注意：降级可能导致其他scikit-learn功能无法正常使用，且旧版本存在已知的安全漏洞，仅在必要时使用。

2. 使用替代方案（推荐）

推荐使用scikit-learn内置的近似最近邻实现，或者第三方库来替代LSHForest：

方案A：scikit-learn内置NearestNeighbors

NearestNeighbors支持多种算法，足以覆盖大多数近似最近邻场景：

from sklearn.neighbors import NearestNeighbors
import numpy as np

# 示例：生成随机特征数据
X = np.random.rand(1000, 10)
# 初始化模型，选择ball_tree算法（适合高维数据）
nn_model = NearestNeighbors(n_neighbors=5, algorithm='ball_tree')
nn_model.fit(X)
# 查询第1个样本的5个最近邻
distances, indices = nn_model.kneighbors(X[:1])

方案B：第三方库Annoy/Faiss

如果处理大规模高维数据，推荐使用更高效的第三方库：

• Annoy：轻量易用，支持多种距离度量

  !pip install annoy
  

  from annoy import AnnoyIndex
  import numpy as np
  
  feature_dim = 10
  # 初始化索引，指定距离类型为欧氏距离
  annoy_index = AnnoyIndex(feature_dim, 'euclidean')
  # 添加数据
  for i in range(1000):
      vec = np.random.rand(feature_dim)
      annoy_index.add_item(i, vec)
  # 构建索引（树的数量越多，精度越高）
  annoy_index.build(10)
  # 查询第0个样本的5个最近邻
  neighbors = annoy_index.get_nns_by_item(0, 5)
  

• Faiss：Facebook开源的高效近似最近邻库，适合超大规模数据（需根据环境安装对应版本）

内容的提问来源于stack exchange，提问作者tarmas99