使用Sci-Kit对文档（即文本）执行欧几里德距离测量

Question

我是机器学习的新手。经过大量的研究，我决定尽可能多地使用Sci-Kit Learn。但我还是在第一个方面。

我想做的是对我的文件进行欧氏距离测量。我正在使用NLTK准备文本和Sci-Kit到extract document features。我现在要做的是测量文件的欧氏距离。

这是Sci-Kit's documentation for euclidean distance measurement。我不清楚（newb）我应该传递函数的哪些特征（即euclidean_distances（））。谁能告诉我通过Sci-Kit的欧氏距离函数需要什么？

感谢您的帮助。

Answer 1

只需输入矢量图的fit_transform方法的输出。

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import euclidean_distances

v = TfidfVectorizer()
X = v.fit_transform(your_documents)
D = euclidean_distances(X)

现在D[i, j]是文档向量X[i]和X[j]之间的欧几里德距离。