我面临着迅速找到给定范围内最近的邻居的问题。
数据集示例:
id | string | float
0 | AA | 0.1
12 | BB | 0.5
2 | CC | 0.3
102| AA | 1.1
33 | AA | 2.8
17 | AA | 0.5
对于每行,打印满足以下条件的行数:
在此示例中,del = 1.5:
id | count
0 | 0
12 | 0
2 | 0
102| 2 (string is equal row with id=0,33,17 but only in row id=0,17 float value: 1.1-1.5<=0.1, 1.1-1.5<=0.5)
33 | 0 (string is equal row with id=0,102,17 but 2.8-1.5>=0.1/1.1/1.5)
17 | 1
为解决此问题,我使用了具有自定义指标的类BallTree
,但是由于反向树遍历(在大型数据集上),因此它可以工作很长时间。
有人可以建议其他解决方案,还是可以将自定义指标的速度从sklearn.neighbors.DistanceMetric
提高到指标的速度?
我的代码:
from sklearn.neighbors import BallTree
def distance(x, y):
if(x[0]==y[0] and x[1]>y[1]):
return (x[1] - y[1])
else:
return (x[1] + y[1])
tree2 = BallTree(X, leaf_size=X.shape[0], metric=distance)
mas=tree2.query_radius(X, r=del, count_only = True)