Question

我想比较两个字典中的“键”和“值”。

Dic1 = {    
    'FOSF SER': 0,
    'ECA': 1,
    'GL': 1,
    'GL H2': 1,
    'GL JEJ': 0
}

Dic2 = {
    'Diabetes': {'GL' : 1, 'GL JEJ': 1, 'HBA GLC': 1, 'GL 2H': 1},
    'Hipotireioidismo': {'FOSF SER': 1, 'ECA': 1, 'TSH 21-54': 1, 'TSH 55-87': 1},
    'Hipertireioidismo': {'FOSF SER': 0, 'TSH 21-54': 0, 'TSH 55-87': 0}
}

换句话说，我希望Python做出以下预测：

在词典“ Dic2”中的项中，哪一项与词典“ Dic1”具有更多相似性？ Dic2中列出的每个项目代表Dic1的概率是多少（％）？

我希望输出是这样的：

"Diabetes: x.xx%"
"Hipotireoidismo: x.xx%"
"Hipertireoidismo: x.xx%"

Answer 1

您可以执行以下操作以比较列表之间的值，并输出基于症状（y）的疾病（x）可能性。百分比值是根据可以满足的症状数量来计算的，尽管可以轻松添加，但没有考虑负面症状或遗漏症状-这只是让您滚球的起点

outMat = [re(eg) for eg in egV]

Answer 2

对于这个问题，我不会使用SkLearn。借助简单的嵌套循环，就可以解决它。

假设您只想找到与查询字典（Dic1）相等的项数最多的字典，再除以查询中的项数（相似性），我想到的最简单的答案是：

nDic1 = len(Dic1)*1.
for item in Dic2:
   match = 0
   iDic = Dic2[item]
   for i in iDic:
      if i in Dic1:
         if iDic[i] == Dic1[i]:
            match +=1
   print("{}: {}%".format(item, match*100/nDic1))

在这种情况下，打印结果为：

Diabetes: 20.0%
Hipotireioidismo: 20.0%
Hipertireioidismo: 20.0%

带有朴素贝叶斯的两个词典之间的相似性概率

2 个答案: