正交向量的最近邻处理答案

【问题标题】：Nearest neighbour treatment of orthogonal vectors正交向量的最近邻处理
【发布时间】：2019-06-15 13:31:25
【问题描述】：

在文本分类中使用最近邻 (scikit) 时，有时与任何类都不相似。发生这种情况时，scikit 算法返回的距离为 1，并且似乎选择了一个看似随机的类（每次运行时都相同，但有时再次运行时会发生变化）。当向量正交时返回诸如 None 之类的特定内容会很有帮助。

    vec = CountVectorizer(strip_accents='ascii', stop_words = stopwords, ngram_range=(1, 3))
    bag_of_words = vec.fit_transform(list(map(str, Property))) #reference
    tfidf_transformer = TfidfTransformer()
    X_train_tfidf = tfidf_transformer.fit_transform(bag_of_words.minimum(1))

    neigh = NearestNeighbors(n_neighbors = neighbors) 
    neigh.fit(X_train_tfidf)

    X_test_counts = vec.transform(wines_strings).minimum(1)

    res = neigh.kneighbors(X_test_counts, return_distance = True)

【问题讨论】：

你使用了什么样的算法，你能分享一些你的代码吗？邻居搜索算法的选择是通过关键字'algorithm'来控制的，它必须是['auto', 'ball_tree', 'kd_tree', 'brute']之一。当传递默认值“auto”时，算法会尝试从训练数据中确定最佳方法。
我添加了我的代码，但认为它在这种情况下不会有帮助。这只是标准的东西。
不知道是不是我把它改成Brute，每次运行它是否会导致至少在同一个类中，这至少可以被二次处理

标签： python scikit-learn nearest-neighbor

【解决方案1】：

我决定只添加一个计算来确定向量是否正交。当它们是正交的时，我会忽略最近邻居吐出的任何内容

    a = X_train_tfidf@X_test_counts.transpose()
    indicator = a.transpose()*np.ones(a.get_shape()[0])

【讨论】：