WedX - журнал о программировании и компьютерных науках

Хеширование с учетом местоположения для поиска ближайших соседей в Python

Я использую это ссылка для решения моей проблемы У меня есть ситуация, когда я использую хеширование с учетом местоположения, чтобы найти 3 ближайших соседей. В моем наборе данных 22 столбца, как категориальные, так и непрерывные, и около 5000 строк. Я использую следующий код для запуска LSH:

from LocalitySensitiveHashing import *
lsh = LocalitySensitiveHashing( 
               datafile = "df3_clean.csv",
               dim = 22,
               r = 5368,         
               b = 100,          
          )
lsh.get_data_from_csv()
lsh.initialize_hash_store()
lsh.hash_all_data()
similarity_neighborhoods = lsh.lsh_basic_for_nearest_neighbors()
lsh.write_clusters_to_file( merged_similarity_groups, "clusters.txt" )

Я получаю эту ошибку: ValueError: data type must provide an itemsize

Я уже закодировал весь свой набор данных перед передачей в LSH, и тип данных для моего фрейма данных — плавающий. Что мне здесь не хватает?

Как напечатать результат для трех верхних соседей? мой первый столбец в кадре данных - Cust_ID, и мне нужно распечатать вывод следующим образом:

CUST_ID     1st_neighbor.    2nd_neighbor      3rd_neighbor
0022        0012             1234              2233
0023        0022             1234              2231

и так далее


Ответы:


1
lsh = LocalitySensitiveHashing( 
           datafile = "df3_clean.csv",
           dim = 22,
           r = 5368,         
           b = 100,          
      )

Я думаю, что df3_clean.csv не читает данный файл. Вместо этого он читает его как строку. Попробуйте использовать pandas, а затем прочитайте csv с помощью pandas. Это решит эту ошибку.

22.02.2021
Новые материалы

Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…
Просто начните и учитесь самостоятельно Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..

Лицензии с открытым исходным кодом: руководство для разработчиков и создателей
В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..

Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..


Для любых предложений по сайту: [email protected]