哪个聚类距离度量可以找到最相关的项目组答案

【问题标题】：Which clustering distance-metric to find the most correlated groups of items哪个聚类距离度量可以找到最相关的项目组
【发布时间】：2019-12-05 21:37:19
【问题描述】：

我有如下餐厅销售数据，并希望找到彼此相关的餐厅。我正在寻找一种基于彼此相关性的聚类；其中“相关性”是指“销售量、收入和客流量组合最匹配/相似的餐厅”。（注：这是corelatedItems的后续问题）

+----------+------------+---------+----------+
| Location | Units Sold | Revenue | Footfall |
+----------+------------+---------+----------+
| Loc - 01 |        100 | 1,150   |       85 |
| Loc - 02 |        100 | 1,250   |       60 |
| Loc - 03 |         90 | 990     |       90 |
| Loc - 04 |        120 | 1,200   |       98 |
| Loc - 05 |        115 | 1,035   |       87 |
| Loc - 06 |         89 | 1,157   |       74 |
| Loc - 07 |        110 | 1,265   |       80 |
+----------+------------+---------+----------+

【问题讨论】：

你想要的输出是什么？
您要的是 distance metric used in clustering，请阅读该 sklearn 文档。
你已经有一个good answer to the correlation question，剩下的只是“我如何在 sklearn 中进行聚类？”，这在 sklearn 文档中有介绍。请尝试编写您自己的（sklearn+pandas）代码，然后告诉我们您遇到的问题。
sklearn 是 Python 的主要机器学习库之一，请查看并浏览它的文档（分类器、功能、管道等），听起来你会经常使用它。
@smci 谢谢。将检查 sklearn 并试一试。

标签： python pandas cluster-analysis distance

【解决方案1】：

首先，将dataframe的索引设置为Location列，方便索引

df1 = df1.set_index('Location')

接下来，生成所有餐厅组合进行比较：

import itertools
pairs = list(itertools.combinations(df1.index.values, 2))

接下来，定义一个比较函数。让我们使用上一篇文章中使用的那个

import numpy as np
def compare_function(row1, row2):
    return np.sqrt((row1['Units Sold']-row2['Units Sold'])**2 + 
           (row1['Revenue']- row2['Revenue'])**2 + 
           (row1['Footfall']- row2.loc[0, 'Footfall'])**2)

接下来，遍历所有pair，得到比较函数的结果：

results = [(row1, row2, compare_function(df1.loc[row1], df1.loc[row2]))
      for row1, row2 in pairs]

您现在拥有所有成对餐厅及其彼此之间距离的列表。

【讨论】：

sklearn.cluster 多年前就实现了集群，无需重新发明轮子，而且有很多优秀的教程。