我对机器学习很陌生。我试着根据SetA的人和SetB的人的兴趣等级(1=低,10=高)来匹配他们。我的真实数据集有40个特性(稍后我还想对某些特性以及不太常见的兴趣设置更高的权重-我相信this会帮助我吗?)
示例数据集:
>>> dfA = pd.DataFrame(np.array([[1, 1, 1], [4, 4, 4], [8, 8, 8]]),
columns=['interest1', 'interest2', 'interest3'],
index=['personA1','personA2','personA3'])
>>> dfB = pd.DataFrame(np.array([[4, 4, 3], [2, 2, 1], [1, 2, 2]]),
columns=['interest1', 'interest2', 'interest3'],
index=['personB1','personB2','personB3'])
print(dfA, "\n", dfB)
>>> interest1 interest2 interest3
personA1 1 1 1
personA2 4 4 4
personA3 8 8 8
interest1 interest2 interest3
personB1 4 4 3
personB2 2 2 1
personB3 1 2 2
我正在使用sklearn的最近邻算法:
knn = NearestNeighbors(n_neighbors = 2).fit(dfA)
distances, indicies = knn.kneighbors(dfB)
>>> print(distances, "\n \n", indicies)
>>>[[1. 4.69041576]
[1.41421356 4.12310563]
[1.41421356 4.12310563]]
[[1 0]
[0 1]
[0 1]]
我不理解输出?我知道一个类似的问题explanation,但是我不知道如何将其应用于这种情况,因为有两个不同的数据集
最终,我需要一个匹配的最终数据帧,如:
SetA SetB
personA1 personB2
personA2 personB1
personA3 personB3
您得到的结果是从SetA中选择的SetB中给定人的最近邻居
换句话说,第一个元素
distances[0]
告诉你personB1与SetA中两个最近邻居的距离indicies[0]
告诉你这两个人的指数在本例中:
indicies[0] = [1, 0]
表示SetA1中personB1的最近邻居是SetA[1]=personA2和SetA[0]=personA1。distances[0] = [1. 4.69041576]
告诉我们personB1和personA2之间的距离是1,personB1和personA1之间的距离是4.69041776(如果您手工计算欧几里德距离,您可以很容易地进行检查)几句话:
从你对问题的描述来看,你似乎只对SetA中的一个人(而不是两个最近邻居)的最近邻居感兴趣。如果是这种情况,我建议将knn参数中的n_neighbories=2更改为n_neighbories=1
小心索引:在数据集中,标签从1开始(personA1,personA2,…),但在knn中,索引总是从0开始。当事情变得更复杂时,这可能会导致混乱,因为SetA[0]=personA1,所以要注意它
相关问题 更多 >
编程相关推荐