Python 计算成对simhash“;“距离”;
我想构造一个成对距离矩阵,其中“距离”是实现的两个字符串之间的相似性分数。我在考虑使用sci kit learn的成对距离方法来实现这一点,因为我以前在其他计算中使用过它,而且简单的并行化非常好 以下是相关的代码:Python 计算成对simhash“;“距离”;,python,scikit-learn,simhash,Python,Scikit Learn,Simhash,我想构造一个成对距离矩阵,其中“距离”是实现的两个字符串之间的相似性分数。我在考虑使用sci kit learn的成对距离方法来实现这一点,因为我以前在其他计算中使用过它,而且简单的并行化非常好 以下是相关的代码: def hashdistance(str1, str2): hash1 = simhash(str1) hash2 = simhash(str2) distance = 1 - hash1.similarity(hash2) return dist
def hashdistance(str1, str2):
hash1 = simhash(str1)
hash2 = simhash(str2)
distance = 1 - hash1.similarity(hash2)
return distance
strings = [d['string'] for d in data]
distance_matrix = pairwise_distances(strings, metric = lambda u,v: hashdistance(u, v))
字符串
看起来像['foo','bar','baz']
当我尝试此操作时,它抛出错误ValueError:无法将字符串转换为float
。这可能是一个非常愚蠢的说法,但我不确定为什么需要在这里进行转换,以及为什么它会抛出这个错误:metric
中的匿名函数可以获取字符串并返回浮点;为什么输入需要浮动,我如何根据simhash“距离”创建此成对距离矩阵?根据,仅允许使用来自scipy.spatial.distance
的度量,或从以下位置调用:
In [26]: sklearn.metrics.pairwise.pairwise_distance_functions
Out[26]:
{'cityblock': <function sklearn.metrics.pairwise.manhattan_distances>,
'euclidean': <function sklearn.metrics.pairwise.euclidean_distances>,
'l1': <function sklearn.metrics.pairwise.manhattan_distances>,
'l2': <function sklearn.metrics.pairwise.euclidean_distances>,
'manhattan': <function sklearn.metrics.pairwise.manhattan_distances>}
[26]中的:sklearn.metrics.pairwise.pairwise\u distance\u函数
出[26]:
{'cityblock':,
“欧几里得”:,
“l1”:,
“l2”:,
“曼哈顿”:
一个问题是,如果metric
是callable
,那么sklearn.metrics.pairwise.check\u pairwise\u arrays
会尝试将输入转换为float,(scipy.spatial.distance.pdist
会执行类似的操作,因此您在那里运气不佳)从而导致错误
即使您可以传递一个可调用函数,它也不能很好地伸缩,因为成对距离中的循环是纯Python的。看起来你必须自己写循环。我建议阅读pdist
和/或pairwise_distance
的源代码,以获取有关如何执行此操作的提示。根据,仅允许使用scipy.spatial.distance
中的度量值,或从以下位置调用:
In [26]: sklearn.metrics.pairwise.pairwise_distance_functions
Out[26]:
{'cityblock': <function sklearn.metrics.pairwise.manhattan_distances>,
'euclidean': <function sklearn.metrics.pairwise.euclidean_distances>,
'l1': <function sklearn.metrics.pairwise.manhattan_distances>,
'l2': <function sklearn.metrics.pairwise.euclidean_distances>,
'manhattan': <function sklearn.metrics.pairwise.manhattan_distances>}
In[26]:sklearn.metrics.pairwise.pairwise\u distance\u函数
出[26]:
{'cityblock':,
“欧几里得”:,
“l1”:,
“l2”:,
“曼哈顿”:
一个问题是,如果metric
是callable
,那么sklearn.metrics.pairwise.check\u pairwise\u arrays
会尝试将输入转换为float,(scipy.spatial.distance.pdist
会执行类似的操作,因此您在那里运气不佳)从而导致错误
即使您可以传递一个可调用函数,它也不能很好地伸缩,因为成对距离中的循环是纯Python的。看起来你必须自己写循环。我建议阅读pdist
和/或pairwise_distance
的源代码,以获取有关如何执行此操作的提示