Python：在群集中查找用户之间的得分相似性

Question

如何计算user和score之间的相似度？

例如，df：

    user    score   category_cluster
    i       4.5     category1
    j       5       category1
    k       9.5     category2

我希望得到如下结果：

同一useri_j中category_cluster得分之间的相似性（如果不在同一个群集中）不会计算相似性。你会如何衡量相似性？

Answer 1

您需要先定义一个分数函数。其中，你有曼哈顿或欧几里德距离，这可能是最常用的距离。有关距离的更多信息，我建议您研究scikit-learn，它们实现了各种各样的距离（指标）。查看here以获取列表（您可以稍后研究每个列表的测量结果）。

其中一些是距离度量（元素有多么不同，最接近0越相似），而其他测量相似度（如指数内核，接近1更相似）。很容易在距离和相似度指标之间进行交换（假设两者都在distance = 1. - similarity范围内，是最基本的[0,1]）。

至于你的相似性示例 similarity[i,j] = 0.9对我没有任何意义。 i and k的相似之处是什么？你使用哪个公式来获得0.9？如果你澄清它，我可以为你提供一个基于numpy的表示。

对于直接相似性指标，have a look here。如果符合您的需求，您可以使用其中任何一种。它解释了每个测量的内容。

rbf_kernel的示例用法。

data = df['score']
similarity = rbf_kernel(data.reshape(-1, 1), gamma=1.) # Try different values of gamma

gamma此处的行为类似于阈值 gamma的不同值会使相似更少或更多便宜