KNN算法Python脚本报错：TypeError: manhattan_dist()缺少必填参数data2

嘿，我来帮你搞定这个报错的问题～

错误原因分析 #

你定义的manhattan_dist是带self的类方法，但sklearn的KNeighborsClassifier在调用自定义距离度量函数时，只会传入两个样本参数（data1和data2），不会自动传递self参数。这就导致函数调用时，第一个传入的样本被当成了self，第二个参数data2自然就缺失了，所以触发了TypeError。

三种解决方案 #

方案1：把自定义函数改成普通函数（最直接）

如果你不需要这个函数作为类的方法，直接去掉self参数，改成普通函数即可：

def manhattan_dist(data1, data2):
    return sum(abs(data1 - data2))

# 后续代码不变
X = df.iloc[:, :-1].values
y = df.iloc[:, 36].values
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2)
knn = KNeighborsClassifier(n_neighbors=5, metric=manhattan_dist)
knn.fit(X_train, y_train)
y_pred = knn.predict(X_test)
print(classification_report(y_test, y_pred))

方案2：使用sklearn内置的曼哈顿距离（最推荐）

其实sklearn已经内置了曼哈顿距离的实现，完全不需要自己写函数，直接指定metric='manhattan'就行，内置实现更高效还能处理各种细节：

# 替换掉自定义函数的代码，直接用内置参数
knn = KNeighborsClassifier(n_neighbors=5, metric='manhattan')

方案3：如果必须保留类方法（比如在类中编写）

如果这个函数必须是类的一部分，你可以用lambda或者functools.partial来绑定self：

# 方法一：用lambda包装
knn = KNeighborsClassifier(n_neighbors=5, metric=lambda x, y: self.manhattan_dist(x, y))

# 方法二：用functools.partial绑定
from functools import partial
knn = KNeighborsClassifier(n_neighbors=5, metric=partial(self.manhattan_dist))

验证建议 #

优先试试方案2，因为这是官方提供的标准用法，不容易出错；如果一定要自己实现距离函数，方案1最直接。

内容的提问来源于stack exchange，提问作者Liliac