Machine learning 从KNN返回最近邻居列表

我试图使用KNN模型来显示与品牌X最相关的品牌。我已经阅读了我的数据，并将其转换为如下格式：

          User1     User2     User3     User4     User5
Brand1    1         0         0         0         1
Brand2    0         0         0         1         1
Brand3    0         0         1         1         1
Brand4    1         1         1         0         1
Brand5    0         0         0         1         1

然后我定义了我的模型：

from sklearn.neighbors import NearestNeighbors

model_knn = NearestNeighbors(metric='cosine', algorithm='brute')
model_knn.fit(df_mini)

然后，我使用以下代码列出与随机选择的品牌最近的5个品牌：

query_index = np.random.choice(df_mini.shape[0])
distances, indices = model_knn.kneighbors(df_mini.iloc[query_index, :].values.reshape(1, -1), n_neighbors = 6)

for i in range(0, len(distances.flatten())):
    if i == 0:
        print ('Recommendations for {0}:\n'.format(df_mini.index[query_index]))
    else:
        print ('{0}: {1}, with distance of {2}:'.format(i, df_mini.index[indices.flatten()[i]], distances.flatten()[i]))

返回如下示例结果：

          User1     User2     User3     User4     User5
Brand1    1         0         0         0         1
Brand2    0         0         0         1         1
Brand3    0         0         1         1         1
Brand4    1         1         1         0         1
Brand5    0         0         0         1         1

我所有的结果都显示了距离为1.0的所有品牌，我在代码中哪里出错了？我已经尝试过增加样本数据的大小，但这并没有改变，这让我觉得这是一个代码错误，而不是一个数据怪癖

编辑：以下是我的代码的更完整示例：

import pandas as pd
df = pd.read_csv('sample.csv')
print(df.head())

df_mini = df[:5000]
df_mini = df_mini.transpose()
df_mini = df_mini.drop('UserID',axis=0)

from sklearn.neighbors import NearestNeighbors

model_knn = NearestNeighbors(metric='cosine', algorithm='brute')
model_knn.fit(df_mini)

query_index = np.random.choice(df_mini.shape[0])
distances, indices = model_knn.kneighbors(df_mini.iloc[query_index, :].values.reshape(1, -1), n_neighbors = 6)

for i in range(0, len(distances.flatten())):
    if i == 0:
        print ('Recommendations for {0}:\n'.format(df_mini.index[query_index]))
    else:
        print ('{0}: {1}, with distance of {2}:'.format(i, df_mini.index[indices.flatten()[i]], distances.flatten()[i]))

示例数据文件：

---

请您添加更多代码，以便其他人可以运行您的代码并帮助您调试它好吗？@TimH当然，我已经添加了一个更大的当前代码块。您是否可以添加一些示例数据，以便我们能够运行相同的场景？@TimH将此添加到我问题的底部，并在这里（）