Question

我的代码中已经计算了两个var total = +array[1] + 1;，如下所示：

dictionaries

实际上它们包含维基文本中的单词，但这应该用来表明我的意思。它们不一定包含相同的密钥。

最初我想使用X = {'a': 10, 'b': 3, 'c': 5, ...} Y = {'a': 8, 'c': 3, 'e': 8, ...}的成对指标，如下所示：

sklearn

然而，这会产生错误：

from sklearn.metrics.pairwise import pairwise_distances

obama = wiki[wiki['name'] == 'Barack Obama']['tf_idf'][0]
biden = wiki[wiki['name'] == 'Joe Biden']['tf_idf'][0]

obama_biden_distance = pairwise_distances(obama, biden, metric='euclidean', n_jobs=2)[0][0]

对我来说，这似乎是在尝试访问-------------------------------------------------------------------------- AttributeError Traceback (most recent call last) <ipython-input-124-7ff03bd40683> in <module>() 6 biden = wiki[wiki['name'] == 'Joe Biden']['tf_idf'][0] 7 ----> 8 obama_biden_distance = pairwise_distances(obama, biden, metric='euclidean', n_jobs=2)[0][0] /home/xiaolong/development/anaconda3/envs/coursera_ml_clustering_and_retrieval/lib/python3.4/site-packages/sklearn/metrics/pairwise.py in pairwise_distances(X, Y, metric, n_jobs, **kwds) 1205 func = partial(distance.cdist, metric=metric, **kwds) 1206 -> 1207 return _parallel_pairwise(X, Y, func, n_jobs, **kwds) 1208 1209 /home/xiaolong/development/anaconda3/envs/coursera_ml_clustering_and_retrieval/lib/python3.4/site-packages/sklearn/metrics/pairwise.py in _parallel_pairwise(X, Y, func, n_jobs, **kwds) 1058 ret = Parallel(n_jobs=n_jobs, verbose=0)( 1059 fd(X, Y[s], **kwds) -> 1060 for s in gen_even_slices(Y.shape[0], n_jobs)) 1061 1062 return np.hstack(ret) AttributeError: 'dict' object has no attribute 'shape' shape属性，而dict没有。我想它需要numpy个数组。我如何转换字典，以便sklearn函数计算正确的距离，假定0值，如果字典没有某个键，另一个字典有哪个？

Answer 1

为什么不直接从稀疏表示中做到这一点？

In [1]: import math

In [2]: Y = {'a': 8, 'c':3,'e':8}

In [3]: X = {'a':10, 'b':3, 'c':5}

In [4]: math.sqrt(sum((X.get(d,0) - Y.get(d,0))**2 for d in set(X) | set(Y)))
Out[4]: 9.0

Answer 2

您可以先创建一个包含词典所有键的列表（请务必注意此列表必须排序）：

X = {'a': 10, 'b': 3, 'c': 5}
Y = {'a': 8, 'c': 3, 'e': 8}
data = [X, Y]
words = sorted(list(reduce(set.union, map(set, data))))

这在Python 2中运行良好，但如果您使用的是Python 3，则需要添加句子from functools import reduce（感谢@Zelphir发现这一点）。如果您不想导入functools模块，可以使用以下代码替换上面代码段的最后一行：

words = set(data[0])
for d in data[1:]:
    words = words | set(d)
words = sorted(list(words))

无论选择哪种方法，列表words都可以设置一个矩阵，其中每行对应一个字典（一个样本），并放置这些字典（特征）的值在与其键对应的列中。

feats = zip(*[[d.get(w, 0) for d in data] for w in words])

此矩阵可以传递给scikit的函数pairwise_distance：

from sklearn.metrics.pairwise import pairwise_distances as pd
dist = pd(feats, metric='euclidean')

以下交互式会话演示了它的工作原理：

In [227]: words
Out[227]: ['a', 'b', 'c', 'e']

In [228]: feats
Out[228]: [(10, 3, 5, 0), (8, 0, 3, 8)]

In [229]: dist
Out[229]: 
array([[ 0.,  9.],
       [ 9.,  0.]])

最后，您可以将上面的代码包装到函数中，以计算任意数量字典的成对距离：

def my_func(data, metric='euclidean'):
    words = set(data[0])
    for d in data[1:]:
        words = words | set(d)
    words = sorted(list(words))
    feats = zip(*[[d.get(w, 0) for d in data] for w in words])
    return pd(feats, metric=metric)

我已经避免了对reduce的调用，以使包装器能够跨版本工作。

演示：

In [237]: W = {'w': 1}

In [238]: Z = {'z': 1}

In [239]: my_func((X, Y, W, Z), 'cityblock')
Out[239]: 
array([[  0.,  15.,  19.,  19.],
       [ 15.,   0.,  20.,  20.],
       [ 19.,  20.,   0.,   2.],
       [ 19.,  20.,   2.,   0.]])

Answer 3

好像你想要使用X.get(search_string,0)，它会输出值，如果没有找到，则为0。如果你有很多搜索字符串，你可以[X.get(s,0) for s in list_of_strings]来推送输出列表。

从dicts计算欧氏距离（sklearn）

3 个答案: