generate-test-data-for-wknn

EN — Synthetic test-data generator for validating the weighted k-NN (wkNN) method. RU — Генератор синтетических тестовых данных для проверки метода взвешенного k-NN (wkNN).

Authors / Авторы: Ferubko Andrey, Kazakov Oleg Organization / Организация: Bryansk State Technological University of Engineering / Брянский государственный инженерно-технологический университет.

Installation / Установка

pip install generate-test-data-for-wknn
# or with uv:
uv add generate-test-data-for-wknn

English documentation

The library exposes a single public function, generate (also available as WknnDataGenerator.generate), which builds a labelled dataset (x, y) for testing weighted k-NN.

Model. Each class is given one random anchor point inside the cube [min_coord, max_abs_coord]^dim. The anchor is the maximum of that class's weight field (and is itself excluded from the output). For a point p and class c with anchor A_c, the weight uses the per-coordinate distances x_i = |p_i − A_{c,i}|. A point is labelled by the class with the largest weight, and is kept only where that class leads the runner-up by at least margin (default 10%) — so samples come from regions of strong class superiority rather than the decision boundary. This keeps each point's nearest neighbour in the same class with high probability.

Points are drawn and classified iteratively until every class reaches its balanced target (stratified top-up). Small samples work: a binary request for 2 objects yields exactly 1 point per class.

Weight functions and parameter layout

Weights use per-coordinate distances, so params has 2·dim + 1 shared values [a₁, b₁, …, a_d, b_d, f] — the same coefficients for every class. Both types require aᵢ ≥ 0 and bᵢ > 0 (weight decreases with distance).

Example: dim=2, inverse, params=[2, 1, 3, 4, 1] → w = 2/x₁¹ + 3/x₂⁴ + 1.

Note on exponential: distances are normalised by the cube width, so choose bᵢ on the order of 1 (not 0.01). Very small bᵢ make exp(−bᵢ·xᵢ) nearly constant across the cube, so no class clears the margin and generation fails with a clear diagnostic.

Parameters

Returns: (x, y) — x is float64 (m, dim), y is int64 (m,), m == n_samples.

Behavioural guarantees

• Anchors are maxima: each class's weight field peaks at its anchor.
• Stratification: classes are balanced (counts differ by at most 1).
• Margin: kept points beat the runner-up class by ≥ margin (default 10%), drawing samples from regions of strong class superiority.
• Nearest neighbour (soft): because samples avoid the borderlands, each point's nearest neighbour is in the same class with high probability.
• Outliers: the requested fraction of the most borderline points is relabelled to the runner-up class (sample size unchanged).
• Monotonicity guard: aᵢ < 0 or bᵢ ≤ 0 raises ValueError.
• Flat-field guard: if no candidate clears the margin (e.g. exponential with tiny bᵢ over a wide cube), a clear ValueError explains the cause.

Example

import numpy as np
from generate_test_data_for_wknn import generate

# Binary, inverse-distance weights, 2-D, reproducible
x, y = generate(
    n_classes=2,
    dim=2,
    n_samples=100,
    weight_type="inverse",
    params=np.array([2.0, 1.0, 3.0, 4.0, 1.0]),  # a1,b1,a2,b2,f (shared)
    max_abs_coord=100.0,
    min_coord=0.0,
    outlier_ratio=0.1,
    margin=0.10,
    random_state=42,
)
print(x.shape, y.shape, np.bincount(y))

Документация на русском

Библиотека предоставляет одну публичную функцию generate (также доступна как WknnDataGenerator.generate), которая строит размеченный набор (x, y) для проверки взвешенного k-NN.

Модель. Для каждого класса создаётся одна случайная опорная точка внутри куба [min_coord, max_abs_coord]^dim. Опорная точка — это максимум весового поля класса (и в выборку она не входит). Для точки p и класса c с опорной точкой A_c вес использует покоординатные расстояния xᵢ = |pᵢ − A_{c,i}|. Точка размечается классом с наибольшим весом и сохраняется только там, где этот класс превосходит второй как минимум на margin (по умолчанию 10%) — то есть выборка берётся из областей уверенного превосходства класса, а не с границы. Это обеспечивает, что ближайший сосед каждой точки с высокой вероятностью того же класса.

Точки генерируются и классифицируются итеративно, пока каждый класс не наберёт свою сбалансированную квоту (стратифицированное дозаполнение). Малые выборки работают: бинарный запрос на 2 объекта даёт ровно по 1 точке на класс.

Весовые функции и формат параметров

Веса используют покоординатные расстояния, поэтому params содержит 2·dim + 1 общих значений [a₁, b₁, …, a_d, b_d, f] — одинаковых для всех классов. Оба типа требуют aᵢ ≥ 0 и bᵢ > 0.

Замечание про exponential: расстояния нормируются по ширине куба, поэтому выбирайте bᵢ порядка 1 (а не 0.01). Слишком малые bᵢ делают exp(−bᵢ·xᵢ) почти постоянным по кубу, ни один класс не преодолевает отступ, и генерация завершается понятной ошибкой.

Параметры

Возвращает: (x, y) — массивы NumPy; m == n_samples.

Гарантии поведения

• Опорные точки — максимумы: весовое поле класса достигает пика в его опоре.
• Стратификация: классы сбалансированы (разница ≤ 1 объект).
• Отступ (margin): сохранённые точки превосходят второй класс на ≥ margin (по умолчанию 10%), выборка берётся из областей уверенного превосходства.
• Ближайший сосед (мягкое условие): так как выборка избегает границ, ближайший сосед каждой точки с высокой вероятностью того же класса.
• Выбросы: заданная доля наиболее пограничных точек переразмечается в класс-«второе место» (размер выборки не меняется).
• Проверка монотонности: aᵢ < 0 или bᵢ ≤ 0 → ValueError.
• Защита от плоского поля: если ни одна точка не преодолевает отступ (например, exponential с крошечными bᵢ на широком кубе), возбуждается понятный ValueError.

Пример

import numpy as np
from generate_test_data_for_wknn import generate

x, y = generate(
    n_classes=3,
    dim=2,
    n_samples=90,
    weight_type="exponential",
    params=np.array([5.0, 1.0, 4.0, 1.5, 0.0]),  # a1,b1,a2,b2,f (shared)
    outlier_ratio=0.15,
    margin=0.10,
    random_state=7,
)
print(x.shape, y.shape, np.bincount(y))

License / Лицензия

MIT © Ferubko Andrey, Kazakov Oleg — Bryansk State Technological University of Engineering.