- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在为一项大学作业研究 KNN 算法,目前我正在寻找存储为 Scipy lil_matrix 的每个训练向量之间的欧几里德距离(由于向量中值的稀疏性) ,以及出于上述相同原因存储为 1 x n lil_matrix 的测试向量。
为了计算出欧氏距离,我正在执行以下代码:
for positiveIndex, positivesComparison in enumerate(positives):
result.append((spatial.distance.euclidean(positivesComparison.todense(),sentenceVector.todense() ), positiveIndex, 1))
其中 sentenceVector 是 1 行的 lil_matrix,positives 是大小为 n x m 的 lil_matrix。
我想尝试比逐行遍历正矩阵并每次评估欧几里得距离更快地计算出一些东西,并且可能运行正矩阵和 sentenceVector 向量之间的欧几里得距离,并返回一个 1 x m 矩阵与欧氏距离。我想这样做的原因是当前系统计算速度相对较慢,因为它基本上是 NM 时间复杂度,因为我需要计算多个句子测试。这可能吗?如果可能,我该怎么做?
请注意,任务是使用 KNN 算法的不同 K 值评估性能,而不是 KNN 的实际实现(尽管我们不允许使用 KNN 库来完成任务)
最佳答案
您可以很容易地计算批量欧氏距离:
In [10]: a = np.random.random(size=(4,5))
In [11]: b = np.random.random(size=(1,5))
In [12]: from scipy.spatial.distance import euclidean
In [13]: [euclidean(aa, b) for aa in a]
Out[13]: [1.1430615949614429, 0.568517046878056, 1.3302284168375587, 1.0581730230363529]
In [14]: np.sqrt(np.sum((a - b)**2, axis=1))
Out[14]: array([ 1.1431, 0.5685, 1.3302, 1.0582])
但是我们想使用稀疏矩阵,这让事情变得有点困难:
In [22]: import scipy.sparse as ss
In [23]: sa = ss.lil_matrix(a)
In [24]: sb = ss.lil_matrix(b)
In [25]: np.sqrt(np.sum((sa - sb)**2, axis=1)) # <-- ValueError: inconsistent shapes
可以,但您需要使用 some tricks .
更重要的是,您应该查看向量的实际大小(以及稀疏程度)。将所有内容都保持密集可能会更快,这肯定会让您省去一些头痛。
最后,我会避免使用 LIL 格式矩阵,因为它们是最慢的可用格式之一。对于您的情况,请查看 CSR 格式。
编辑:我忘记了最简单的解决方案:使用scikit-learn !
In [36]: from sklearn.metrics import pairwise_distances
In [37]: pairwise_distances(a, b)
Out[37]:
array([[ 1.1431],
[ 0.5685],
[ 1.3302],
[ 1.0582]])
In [38]: pairwise_distances(sa, sb)
Out[38]:
array([[ 1.1431],
[ 0.5685],
[ 1.3302],
[ 1.0582]])
关于python - Scipy 稀疏矩阵和稀疏向量之间的欧氏距离,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/21674732/
我在使用 cx_freeze 和 scipy 时无法编译 exe。特别是,我的脚本使用 from scipy.interpolate import griddata 构建过程似乎成功完成,但是当我尝试
是否可以通过函数在 scipy 中定义一个稀疏矩阵,而不是列出所有可能的值?在文档中,我看到可以通过以下方式创建稀疏矩阵 There are seven available sparse matrix
SciPy为非线性最小二乘问题提供了两种功能: optimize.leastsq()仅使用Levenberg-Marquardt算法。 optimize.least_squares()允许我们选择Le
SciPy 中的求解器能否处理复数值(即 x=x'+i*x")?我对使用 Nelder-Mead 类型的最小化函数特别感兴趣。我通常是 Matlab 用户,我知道 Matlab 没有复杂的求解器。如果
我有看起来像这样的数据集: position number_of_tag_at_this_position 3 4 8 6 13 25 23 12 我想对这个数据集应用三次样条插值来插值标签密度;为此
所以,我正在处理维基百科转储,以计算大约 5,700,000 个页面的页面排名。这些文件经过预处理,因此不是 XML 格式。 它们取自 http://haselgrove.id.au/wikipedi
Scipy 和 Numpy 返回归一化的特征向量。我正在尝试将这些向量用于物理应用程序,我需要它们不被标准化。 例如a = np.matrix('-3, 2; -1, 0') W,V = spl.ei
基于此处提供的解释 1 ,我正在尝试使用相同的想法来加速以下积分: import scipy.integrate as si from scipy.optimize import root, fsol
这很容易重新创建。 如果我的脚本 foo.py 是: import scipy 然后运行: python pyinstaller.py --onefile foo.py 当我启动 foo.exe 时,
我想在我的代码中使用 scipy.spatial.distance.cosine。如果我执行类似 import scipy.spatial 或 from scipy import spatial 的操
Numpy 有一个基本的 pxd,声明它的 c 接口(interface)到 cython。是否有用于 scipy 组件(尤其是 scipy.integrate.quadpack)的 pxd? 或者,
有人可以帮我处理 scipy.stats.chisquare 吗?我没有统计/数学背景,我正在使用来自 https://en.wikipedia.org/wiki/Chi-squared_test 的
我正在使用 scipy.odr 拟合数据与权重,但我不知道如何获得拟合优度或 R 平方的度量。有没有人对如何使用函数存储的输出获得此度量有建议? 最佳答案 res_var Output 的属性是所谓的
我刚刚下载了新的 python 3.8,我正在尝试使用以下方法安装 scipy 包: pip3.8 install scipy 但是构建失败并出现以下错误: **Failed to build sci
我有 my own triangulation algorithm它基于 Delaunay 条件和梯度创建三角剖分,使三角形与梯度对齐。 这是一个示例输出: 以上描述与问题无关,但对于上下文是必要的。
这是一个非常基本的问题,但我似乎找不到好的答案。 scipy 到底计算什么内容 scipy.stats.norm(50,10).pdf(45) 据我了解,平均值为 50、标准差为 10 的高斯中像 4
我正在使用 curve_fit 来拟合一阶动态系统的阶跃响应,以估计增益和时间常数。我使用两种方法。第一种方法是在时域中拟合从函数生成的曲线。 # define the first order dyn
让我们假设 x ~ Poisson(2.5);我想计算类似 E(x | x > 2) 的东西。 我认为这可以通过 .dist.expect 运算符来完成,即: D = stats.poisson(2.
我正在通过 OpenMDAO 使用 SLSQP 来解决优化问题。优化工作充分;最后的 SLSQP 输出如下: Optimization terminated successfully. (Exi
log( VA ) = gamma - (1/eta)log[alpha L ^(-eta) + 测试版 K ^(-eta)] 我试图用非线性最小二乘法估计上述函数。我为此使用了 3 个不同的包(Sc
我是一名优秀的程序员,十分优秀!