我正在尝试解决一个问题，即我需要将彼此最相似的电池单元分组以形成可靠的电池组。这似乎是一个聚类问题，但我只需要从 100 个中找到前 10 个最相似的单元格。
有什么办法可以解决这个问题吗？
从 100 个数据点中找出 10 个最相似的数据点？
数据挖掘
scikit-学习
聚类
相似
2022-03-09 22:35:28
2个回答
这通常称为最近邻搜索。
最常见的方法需要距离度量。考虑到电池组的特性，它们之间的距离有多近？
正如您所提到的，它可以通过聚类来解决，但鉴于您需要彼此的前 n 个，您可以执行以下操作：
假设您有 nxm 的矩阵 X（n-电池 m-每个的特征/属性）
- 定义距离度量（欧几里得、马氏距离等）
- 计算电池 j 与所有其他电池 i - j 之间的距离
- 对距电池的前 n 个距离进行排序
在伪代码中，它将是这样的：
def kclosest(frame, battery_id, metric = "euclidean", top = 10):
"""
Return the top n closest from battery id
"""
distances = list()
for index, row in frame.iterrows():
d = metric(frame[frame.id == battery_id].values, row)
distances.append(d)
return sorted(distances)[1:top] # The closest point will always be the itself that's why we get from 1 to top