아직 답을 얻지 못했기 때문에 나는 적어도 생각에 조금이라도 기여할 것이라고 생각했습니다. 가장 가까운 이웃 점을 빠르게 검색하기 위해 파이썬 k-d 트리 모듈을 사용했습니다 :
http://code.google.com/p/python-kdtree/downloads/detail?name=kdtree.py
동일한 크기 인 한 임의의 포인트 길이를 사용합니다.
"중요도"의 가중치 적용 방법을 잘 모르겠지만 kdtree 모듈을 사용하여 각 지점에 가장 가까운 "사람"을 얻는 방법에 대한 브레인 스톰입니다. 주어진 사람의 세트 :
import numpy
from kdtree import KDTree
from itertools import chain
class PersonPoint(object):
def __init__(self, person, point, factor):
self.person = person
self.point = point
self.factor = factor
def __repr__(self):
return '<%s: %s, %0.2f>' % (self.person,
['%0.2f' % p for p in self.point], self.factor)
def __iter__(self):
return self.point
def __len__(self):
return len(self.point)
def __getitem__(self, i):
return self.point[i]
people = {}
for name in ('bill', 'john', 'mary', 'jenny', 'phil', 'george'):
factors = numpy.random.rand(6)
points = numpy.random.rand(6, 3).tolist()
people[name] = [PersonPoint(name, p, f) for p,f in zip(points, factors)]
bill_points = people['bill']
others = list(chain(*[people[name] for name in people if name != 'bill']))
tree = KDTree.construct_from_data(others)
for point in bill_points:
# t=1 means only return the 1 closest.
# You could set it higher to return more.
print point, "=>", tree.query(point, t=1)[0]
결과 :
<bill: ['0.22', '0.64', '0.14'], 0.07> =>
<phil: ['0.23', '0.54', '0.11'], 0.90>
<bill: ['0.31', '0.87', '0.16'], 0.88> =>
<phil: ['0.36', '0.80', '0.14'], 0.40>
<bill: ['0.34', '0.64', '0.25'], 0.65> =>
<jenny: ['0.29', '0.77', '0.28'], 0.40>
<bill: ['0.24', '0.90', '0.23'], 0.53> =>
<jenny: ['0.29', '0.77', '0.28'], 0.40>
<bill: ['0.50', '0.69', '0.06'], 0.68> =>
<phil: ['0.36', '0.80', '0.14'], 0.40>
<bill: ['0.13', '0.67', '0.93'], 0.54> =>
<jenny: ['0.05', '0.62', '0.94'], 0.84>
나는 결과로 생각, 당신은 가장 많이 일치하는 "사람"보거나 다음 가중치를 고려할 수 있습니다. 또는 결과에서 중요한 요소를 합산 한 다음 가장 높은 평가를받을 수도 있습니다. 그렇게하면 메리가 한 번만 일치했지만 10 점이 맞으면 필은 3 점이 일치했지만 5 점 만 합산하면 메리가 더 관련성이있을 수 있습니다.
인덱스를 만드는 데 더 강력한 기능이 있지만 컬렉션의 모든 지점을 통과해야한다는 것을 알고 있습니다.
저는 알고리즘의 전문가는 아니지만 데이터 세트의 범위를 좁히기 위해 거리 나 무게에 우선 순위를 두어야 할 필요가 있다는 뜻입니까? 말하듯이 먼저 N을 가장 가까운 것으로 생각하고 무게를 분류합니까? 내게는 그 기능을 고려하기 위해 모든 조합을 테스트해야 할 것 같습니다. – jdi
이 지점에서 다른 지점까지의 유클리드 거리를 계산할 수 있습니다. "중요도 요인"은 별도의 차원입니까, 아니면 기존 벡터의 무게입니까? –
기존 포인트에 단지 무게. – zachaysan