python计算相似矩阵

模糊数学课上完之后对使用python中的sklearn计算矩阵各个元素的相似度有了一些感悟。

首先需要强调的是python中对于矩阵的计算尽量不要在DataFrame中，效率非常低。应该使用numpy。

1 预处理

常用1:MinMaxScaler

from sklearn.preprocessing import StandardScaler
from sklearn.preprocessing import MinMaxScaler
from sklearn.metrics.pairwise import pairwise_distances
from sklearn.metrics.pairwise import cosine_similarity>>> matrix= np.array([[ 1., -1.,  2.],
...                     [ 2.,  0.,  0.],
...                     [ 0.,  1., -1.]])
...>>> min_max_scaler = preprocessing.MinMaxScaler()
>>> matrix_minmax = min_max_scaler.fit_transform(matrix)
>>> matrix_minmax
array([[ 0.5       ,  0.        ,  1.        ],[ 1.        ,  0.5       ,  0.33333333],[ 0.        ,  1.        ,  0.        ]])

常用2:StandardScaler
把上面的MinMaxScaler换成StandardScaler就ok。

其他方法这里都有写

2 计算相似度矩阵

计算相似度矩阵的方法有很多种，发现了sklearn中直接有通过计算余弦相似度得到相似度矩阵的方法
1 sklearn.metrics.pairwise.cosine_similarity
2 sklearn.metrics.pairwise.pairwise_distances

>>> from sklearn.metrics.pairwise import cosine_similarity
>>> from sklearn.metrics.pairwise import pairwise_distances>>> a=[[1,3],[2,2]]
>>> cosine_similarity(a)
array([[ 1.        ,  0.89442719],[ 0.89442719,  1.        ]])>>> pairwise_distances(a,metric="cosine")
array([[ 0.        ,  0.10557281],[ 0.10557281,  0.        ]])

pairwise_distances方法是 cosine_similarity减1后取绝对值得到的。

python计算相似矩阵相关推荐

使用OpenCV和Python计算图像的“彩色度”
使用OpenCV和Python计算图像"彩色度" 1. 效果图 2. 炫彩度量方法是什么? 3. 源代码参考你是否尝试过计算每个图像的炫彩值,并根据炫彩值对自己的图像数据集进行 ...
Python计算训练数据集（测试集）中某个分类变量阴性(阳性)标签样本的不同水平（level）或者分类值的统计个数以及比例
Python计算训练数据集(测试集)中某个分类变量阴性(阳性)标签样本的不同水平(level)或者分类值的统计个数以及比例目录
Python计算两个numpy数组的交集（Intersection）实战：两个输入数组的交集并排序、获取交集元素及其索引、如果输入数组不是一维的，它们将被展平(flatten)，然后计算交集
Python计算两个numpy数组的交集(Intersection)实战:两个输入数组的交集并排序.获取交集元素及其索引.如果输入数组不是一维的,它们将被展平(flatten),然后计算交集目录
Python使用datetime中的timedelta模块实现时间增减：python计算100天后是哪年那月那日？
Python使用datetime中的timedelta模块实现时间增减:python计算100天后是哪年那月那日? 目录
python计算特征的统计值并文本输出
python计算特征的统计值并文本输出 # 输出统计分位数 df.describe(percentiles=[0.05, 0.25, 0.5, 0.75, 0.95]) featname:A => ...
python计算特征与目标的相关性并可视化
python计算特征与目标的相关性并可视化 pandas计算相关性 # 相关性 tips.corr() Out[2]: total_bill tip size total_bill 1.000000 ...
python计算时间差
python计算时间差 # 使用datetime 和 timedelta import datetime old_time = datetime.datetime.now() print(old_ti ...
python计算两个字典的相同点(从key、value、item角度)
python计算两个字典的相同点(从key.value.item角度) 字典是由一个一个的 key-value 构成的,key 是找到数据的关键,Python 对字典的操作都是通过 key 来完成的. ...
python计算两个向量之间的欧氏距离
python计算两个向量之间的欧氏距离代码: import numpy as np # 向量的值 feature_1 = np.array([1,2,3]) feature_2 = np.array ...

python计算相似矩阵

1 预处理

2 计算相似度矩阵

python计算相似矩阵相关推荐

最新文章

热门文章