假设我有一个如下所示的数据框:
Feature 1 Feature 2 Feature 3 Feature 4 Target
1 1 1 1 a
0 1 0 0 a
0 1 1 1 b
矢量如下所示:
0, 1, 1, 1
如何找到与向量最接近的匹配行的索引?例如,如果我想找到最近的 2 行,我将输入向量和数据帧(可能删除目标列),并且我将获得索引 1 和 3 作为函数的返回,因为这些行最接近类似于向量“0, 1, 1, 1”。
我尝试使用 R 中的“caret”包,命令为:
intrain <- createDataPartition(y = data$Target, p= 0.7, list = FALSE)
training <- data[intrain,]
testing <- data[-intrain,]
trctrl <- trainControl(method = "repeatedcv", number = 10, repeats = 3)
knn_fit <- train(Target~., data = training, method = "knn", trControl = trctrl, preProcess = c("center", "scale"), tuneLength = 10)
test_pred <- predict(knn_fit, newdata = testing)
print(test_pred)
但是,这不会返回匹配行的索引。它只是返回具有与测试数据集最接近的特征的目标的预测。
我想找到一个模型/命令/函数,其性能与 python 中 sklearn 的 KDtrees 模型类似,但在 R 中(KDtrees 可以返回 n 个最接近索引的列表)。此外,虽然不是必需的,但我希望所述模型能够使用特征的分类值(例如 TRUE/FALSE),这样我就不必创建虚拟变量,就像我在这里使用 1 和 0 所做的那样。
最佳答案
同意42的评论。使用简单的距离度量,第 1 行与向量 2 的差异相同。
# your data
featureframe <- data.frame(Feature1 = c(1,0,0), Feature2 = c(1,1,1),
Feature3 = c(1,0,1), Feature4 = c(1,1,1),
Target = c("a","a","b"))
vec <- c(0,1,1,1)
distances <- apply(featureframe[,1:4], 1, function(x) sum((x - vec)^2))
distances
# [1] 1 1 0
根据评论进行编辑:
要明确地测量相似之处,您可以量化相似性度量,其中总和越接近向量的长度,两个向量越接近:
similarity <- apply(featureframe[,1:4], 1, function(x) sum(x == vec))
如果您想对某些特征赋予更多权重,可以将函数内的相似性向量乘以相等长度的权重向量。
similarity <- apply(featureframe[,1:4], 1, function(x) sum((x == vec) * c(1,2,1,1)))
关于r - 如何在数据框中查找与给定向量最相似的行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56095358/