python – 需要一个适当的数据结构或索引,以便根据3d点和重要性
我有大量的3D点与重要性因素配对.
每个用户有六分.例如:查理人有6分:(22,44,55)是他的第一个重要因子为3分,(10,0)是他的第二个向量,重要因子为2.8,一直到他的第六点是(100,300,200),重要性因子为0.4. 我想做的是找到与查理最相似的人,而不是遍历每一个人.基本上为每个用户最小化此功能(即,将该用户的正确六点与Charlie匹配): pythagoras(point,point2) * max(importance_factor,importance_factor2) * (abs(importance_factor - importance_factor2) + 1) 然后通过选择成本最低的用户找到与Charlie最相似的用户.我现在已经用愚蠢的方式编写了代码(通过做很多循环),但我正在寻找一种方法来正确处理有多个点和重要性因素的事实. 我开始研究空间索引,但我认为它们不会起作用,因为我有多个点,但也许我可以将这些点展开到更高维度点?那么在3个维度中我不是6个点而是18个维度中有1个点?仍然无法处理重要性因素,但它总比没有好. 不幸的是,我不能在这里使用矢量和余弦,因为(1,1,1)和(400,400,400)是非常相反的东西. 有任何想法吗? 解决方法
既然你还没有得到任何答案,我想我至少会提出一些想法.我使用了一个python k-d树模块来快速搜索最近的邻居点:
http://code.google.com/p/python-kdtree/downloads/detail?name=kdtree.py 只要它们的大小相同,它就需要任意点长度. 我不确定你将如何应用“重要性”的权重,但这里只是一个关于如何使用kdtree模块至少让最近的“人”到达给定人集的每个点的头脑风暴: import numpy from kdtree import KDTree from itertools import chain class PersonPoint(object): def __init__(self,person,point,factor): self.person = person self.point = point self.factor = factor def __repr__(self): return '<%s: %s,%0.2f>' % (self.person,['%0.2f' % p for p in self.point],self.factor) def __iter__(self): return self.point def __len__(self): return len(self.point) def __getitem__(self,i): return self.point[i] people = {} for name in ('bill','john','mary','jenny','phil','george'): factors = numpy.random.rand(6) points = numpy.random.rand(6,3).tolist() people[name] = [PersonPoint(name,p,f) for p,f in zip(points,factors)] bill_points = people['bill'] others = list(chain(*[people[name] for name in people if name != 'bill'])) tree = KDTree.construct_from_data(others) for point in bill_points: # t=1 means only return the 1 closest. # You could set it higher to return more. print point,"=>",tree.query(point,t=1)[0] 结果: <bill: ['0.22','0.64','0.14'],0.07> => <phil: ['0.23','0.54','0.11'],0.90> <bill: ['0.31','0.87','0.16'],0.88> => <phil: ['0.36','0.80',0.40> <bill: ['0.34','0.25'],0.65> => <jenny: ['0.29','0.77','0.28'],0.40> <bill: ['0.24','0.90','0.23'],0.53> => <jenny: ['0.29',0.40> <bill: ['0.50','0.69','0.06'],0.68> => <phil: ['0.36',0.40> <bill: ['0.13','0.67','0.93'],0.54> => <jenny: ['0.05','0.62','0.94'],0.84> 我想结果,你可以看看最常见的匹配“人”或者然后考虑权重.或者也许你可以总结结果中的重要因素,然后取最高评分.那样的话,如果玛丽只匹配一次,但有10个因子,而菲尔有3个匹配,但只总计5,玛丽可能更相关? 我知道你有一个更强大的功能来创建一个索引,但它需要遍历你的集合中的每个点. (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |