Levenshtein距离相似性传播预测查询

Question

我对亲和力传播这个概念了解不多，但在我的项目中，我发现将我正在处理的文本进行聚类是很有用的。目前，我已经广泛地跟踪了我可以在网上找到的任何代码片段。在

所以：

lev_similarity = -1*np.array([[Levenshtein.distance(w1,w2) for w1 in new_data] for w2 in new_data])
ap = sklearn.cluster.AffinityPropagation(affinity="euclidean", damping=0.5)
ap.fit(lev_similarity)

如您所见，我使用Levenshtein算法来定义两点之间的距离。在

我的问题是：

http://scikit-learn.org/stable/modules/generated/sklearn.cluster.AffinityPropagation.html

1. 在这一点上，我想用这个模型给我一个新点的最近的簇，但是我不知道如何将我的原始字符串矢量化。为了使用ap.预测方法，在这种情况下，如何将字符串转换为适当的形式？在
2. 或者，将我所有的数据输入到拟合模型中，然后使用完成的模型进行查询，这会更有意义吗？在这种情况下，如何准确地查询字符串中给定关键字的最近的集群？在

编辑：

显然，我使用的是预先计算的距离测量，所以让affinity=“pre-computed”似乎是正确的选择。那样的话

^{pr2}$

新的数据也封装了测试数据。在

然后问题变成了：如何使用这个模型进行查询？在

Answer 1

对于您的第一个问题，您提供的文档链接表明“predict”方法接受并返回和数组-这是一个列表。在用户指南（文档中的链接）中，我找到了输入/输出的示例：

    labels_true = [0, 0, 0, 1, 1, 1]
    labels_pred = [0, 0, 1, 1, 2, 2]. 

所以，如果您已经有一个字符串包含要建模的数据，只需将其转换为一个列表。在

文档还描述了AffinityPropagation类返回什么方法来回答第二个问题。在