基于Haskell的无监督聚类

我正在尝试开发一种算法，可以报告数据集之间出现相似模式的频率和接近度

简单的例子：

set1 = [0, 1, 0, 0, 2, 0, 0, 3, 0]
set2 = [1, 2, 3, 0, 0, 0, 0, 0, 0]
set3 = [0, 0, 0, 0, 0, 1, 2, 0, 3]

这些集合中的每一个都有一个1、2和3，但这些数字在集合2中和集合3中更接近

我想我可以通过理解列表来完成这项任务。我可以将数据绘制到变量x和y中，并将每个匹配项分类到列表中，其中一个嵌入列表中的第一个元素是找到的匹配项的字符串，第二个和第三个元素是它们的位置。我可以通过另一个函数运行这个列表，该函数计算这些匹配发生的频率和接近程度，并报告一个百分比

或者也许有一种更优雅的方法可以做到这一点

---

我还是个哈斯克尔新手。任何建议都将不胜感激。

好的，如果按顺序有1，2，3，那么你就有了计算邻近度的公式：prox=indexOf 3-indexOf 1-2。所以，prox是介于1..2和2..3之间的零的总和。你可以用Haskell写：

prox :: [Integer] -> Int
prox s = i3 - i1 - 2
  where
    Just i3 = findIndex (==3) s
    Just i1 = findIndex (==1) s

---

你可以把它推广到这种情况，而不用假设1在前，3在后。

Erm，你能把你想要计算的东西弄清楚吗？我知道大概的意思，但我不太确定你到底期望得到什么数字。也许你可以举出一个例子？另外：当你有一个列表，它总是有相同数量的元素，并且每个元素的含义不同，你实际上需要一个元组或代数数据类型。我基本上是在尝试开发一个无监督的聚类算法，可以发现点坐标数据集之间的相似性并对其进行分组的东西。在多个系列中，根据对象的接近程度对其进行聚类是不常见的。典型的情况是只有无序的实例，这在简单性方面非常出色，这给了我一个起点。非常感谢。