找到大于 3 维的最近邻答案

【问题标题】：Find the nearest neighbour with more than 3 dimension找到大于 3 维的最近邻
【发布时间】：2020-10-13 06:57:15
【问题描述】：

我有一个包含 2000 个数据和 15 个特征（列）的数据库，我想创建一个推荐系统来向我推荐与我选择的行最相似的行。

例如，我想在我的数据库中找到与第 150 行最相似的行。

你推荐哪种算法来帮助我完成这个项目？

KNN 对这个问题有用吗？

这是我的一行数据：

name1 = 12\241\42\0.4\0.5 ... \241

如您所见，我的所有数据集都是数字，但名称列除外。

【问题讨论】：

【解决方案1】：

看来 KNN 就是您要找的东西。要实现多维 KNN，我建议您查看欧几里德距离方程：

这决定了一个“行”到另一个“行”的距离。然后，您可以使用此等式计算最接近的“k”行。

【讨论】：

KNN 会将您的数据放入您指定的集群数量中，但不会告诉您最近的点。为什么不从scipy.spatial.distance.cdist() 计算成对距离矩阵？
我同意谢尔盖的观点。这是明智的。