你好社区,
I'm new (as a member) to the site, so if you think it might be better to post it on http://datascience.stackexchange.com, let me know.
我正在处理一个机器学习问题,该问题需要计算 NxM 维元素之间的距离,以实现某些分类算法。
该元素的属性是一个二维矩阵 (Matr),因此我正在寻找计算二维矩阵之间距离的最佳算法。 正如您将在下面看到的,“简单”的解决方案是将 2D 转换为 1D(矢量),然后实现任何距离算法,但我正在寻找更方便的方法(如果存在)。
到目前为止,我使用了以下方法:
每个元素之间的欧氏距离。
import numpy as np def dist_euclidean(elem1, elem2): t_sum=0 for i in range(len(elem1.Matr)): for j in range(len(elem1.Matr[0])): t_sum+= np.square(elem1.Matr[i][j]-elem2.Matr[i][j]) return np.sqrt(t_sum)
余弦相似度,我必须将 (NxM) 二维矩阵转换为 (1xNM) 向量。
from scipy.spatial import distance def dist_cosine(elem1, elem2): temp1=[] temp2=[] for i in range(len(elem1.Matr)): temp1.extend(elem1.Matr[i]) temp2.extend(elem2.Matr[i]) return distance.cosine(temp1, temp2)
KL divergence ( wiki ), 也发现了仅对一维矩阵 (Vector) 的实现,因此进行了以下转换:
找到每个对应行之间的熵,然后对它们进行平均。
import numpy as np from scipy.stats import entropy def dist_KL_row_avg(elem1, elem2): Y=[] for i in range(len(elem1.Matr)): Y.append(entropy(elem1.Matr[i], elem2.Matr[i])) return np.average(Y)
通过追加行然后计算总熵,将 (NxM) 二维矩阵转换为 (1xNM) 向量。
import numpy as np from scipy.stats import entropy def dist_KL_1d_total(elem1, elem2): temp1=[] temp2=[] for i in range(len(elem1.Matr)): temp1.extend(elem1.Matr[i]) temp2.extend(elem2.Matr[i]) return entropy(temp1, temp2)
KS 测试 ( wiki ),也发现仅适用于一维矩阵(向量)的实现,因此进行了与 KL 实现中相同的转换:
找到每个对应行之间的熵,然后对它们进行平均。
import numpy as np from scipy.stats import ks_2samp def dist_KS_row_avg(elem1, elem2): Y=[] Z=[] for i in range(len(elem1.Matr)): Y.append(ks_2samp(elem1.Matr[i], elem2.Matr[i])) Z=[x[0]/x[1] for x in Y] return np.average(Z)
通过追加行然后计算总熵,将 (NxM) 二维矩阵转换为 (1xNM) 向量。
import numpy as np from scipy.stats import ks_2samp def dist_KS_1d_total(elem1, elem2): temp1=[] temp2=[] for i in range(len(elem1.Matr)): temp1.extend(elem1.Matr[i]) temp2.extend(elem2.Matr[i]) Y = ks_2samp(temp1, temp2) return Y[0]/Y[1]
上述所有工作都解决了我的问题,但我很好奇,因为我找不到更具体的让我满意的东西。
编辑 1. 作为pltrdy建议,这里有一些关于该问题的更多信息。
每个元素的初始数据是一系列代码 ex(C->B->D->B->A),然后将其转换为转换矩阵,该转换矩阵也针对每一行进行归一化。因此,我们矩阵中的每个单元格代表从代码 [i] 到代码 [j] 的转换概率。例如:
IN: A->C->B->B->A->C->C->A
OUT:
A B C
A 0 0 1
B 0.5 0.5 0
C 0.33 0.33 0.33
考虑到这一点,最终目标是对不同的代码系列进行分类。该系列没有相同的长度,但由相同的代码制成。因此,转移概率矩阵在每种情况下都具有相同的维度。 我最初的问题是为了找到最合适的距离算法,这将产生最好的分类结果。
最佳答案
给定两个不同的转移矩阵A
和B
和一个概率分布x
作为行向量,一步后的分布根据A
为xA
,根据B
一步分布后为xB
。您可以在所有 x
之间采用(两倍)最大统计距离
numpy.linalg.norm(A - B, numpy.inf)
关于python - 如何计算二维矩阵之间的距离,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38075714/