我想知道python（例如sklearn）中是否有库支持在每个数据点（x是查询点）具有自定义距离矩阵（正定）的数据集上执行KNN， 是一个数据设定点）：
我知道对于所有数据点的固定正定矩阵，这是我可以转换为的度量
我可以通过首先通过乘法转换输入空间来通过普通 KNN 计算 .
我为每个数据点设置一个单独的矩阵的问题出现了，因为我在每个点的附近都有一个协方差。然后可以将 KNN 解释为该查询点所在的最可能的邻域。如果邻域沿某个维度没有变化，那么我们应该根据增加的距离高度惩罚沿该维度的差异。
正如@Pratik Deoghare 所指出的，您可以在 sklearn kNN 上创建自定义指标，您可以在他提供的链接中查看如何。
但是你想要一个对每个人都不同的功能，这不是数学意义上的度量，但我可以看到这如何使算法受益。
您作为指标传递的函数（请参阅链接中的方法）可以定义为
def creatmydist(AllA):
Alist = AllA
def mydist(x, y):
nonlocal Alist
if x[-1] == 0: i = y[-1]
else: i=x[-1]
A = Alist[i]
x = np.dot(A,x[0:len(x)-1])
y = np.dot(A,y[0:len(y)-1])
return np.dot(x-y,x-y)
return mydist
AllA 应该是一个包含所有内容的列表和每一个 应该有作为最后一个元素它的索引