如何解决如何迭代数据集中的行以计算距离
我有鸢尾花数据集,我想计算所有行之间的距离,即 KNN 的 0 和 1、0 和 2.....、1 和 2、1 和 3....。 我的代码:
import numpy as np
from sklearn import datasets
import pandas as pd
#1 Handle the data
iris = datasets.load_iris()
x = iris.data[:,:4]
y = iris.target.reshape((150,1))
def shuffle(x,y,percentage):
iris_data = np.concatenate((x,y),axis=1)
shuffling = iris_data[np.random.permutation(len(iris_data))]
train,test = np.split(shuffling,[int(percentage*len(iris_data))])
x_train = train[:,:4]
y_train = train[:,-1]
x_test = test[:,:4]
y_test = test[:,-1]
return [iris_data,x_train,y_train,x_test,y_test]
shuf = shuffle(x,0.7)
x_train= shuf[1]; y_train= shuf[2]
x_test= shuf[3]; y_test= shuf[4]
#2 distance function
def distance(x,y_test):
cont= 0
dist = {}
for i in range(x.shape[0]):
for j in range(x.shape[0]):
cont += (x[i] - x_test[j])**2
dist[i] = (np.sqrt(cont),y[i])
return dist
但是我得到了一个带有 numpy 数组 (4,) 而不是标量数组的字典。 我尝试使用 itertools.combinations 但我有一些错误。 还有一个问题,如何将我的输出存储在带有距离和标签而不是 dict (dist = {}) 的数据帧中? 谢谢
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。