r - 如何在数据框中查找与给定向量最相似的行

Question

假设我有一个如下所示的数据框:

Feature 1     Feature 2     Feature 3     Feature 4     Target
    1             1             1             1            a
    0             1             0             0            a 
    0             1             1             1            b

矢量如下所示:

0, 1, 1, 1

如何找到与向量最接近的匹配行的索引？例如，如果我想找到最近的 2 行，我将输入向量和数据帧(可能删除目标列)，并且我将获得索引 1 和 3 作为函数的返回，因为这些行最接近类似于向量“0, 1, 1, 1”。

我尝试使用 R 中的“caret”包，命令为:

intrain <- createDataPartition(y = data$Target, p= 0.7, list = FALSE)
training <- data[intrain,]
testing <- data[-intrain,]

trctrl <- trainControl(method = "repeatedcv", number = 10, repeats = 3)
knn_fit <- train(Target~., data = training, method = "knn", trControl = trctrl, preProcess = c("center", "scale"), tuneLength = 10)
test_pred <- predict(knn_fit, newdata = testing)
print(test_pred)

但是，这不会返回匹配行的索引。它只是返回具有与测试数据集最接近的特征的目标的预测。

我想找到一个模型/命令/函数，其性能与 python 中 sklearn 的 KDtrees 模型类似，但在 R 中(KDtrees 可以返回 n 个最接近索引的列表)。此外，虽然不是必需的，但我希望所述模型能够使用特征的分类值(例如 TRUE/FALSE)，这样我就不必创建虚拟变量，就像我在这里使用 1 和 0 所做的那样。

Answer 1

同意42的评论。使用简单的距离度量，第 1 行与向量 2 的差异相同。

# your data
featureframe <- data.frame(Feature1 = c(1,0,0), Feature2 = c(1,1,1), 
                           Feature3 = c(1,0,1), Feature4 = c(1,1,1), 
                           Target = c("a","a","b"))
vec <- c(0,1,1,1)

distances <- apply(featureframe[,1:4], 1, function(x) sum((x - vec)^2))
distances
# [1] 1 1 0

根据评论进行编辑:

要明确地测量相似之处，您可以量化相似性度量，其中总和越接近向量的长度，两个向量越接近:

similarity <- apply(featureframe[,1:4], 1, function(x) sum(x == vec))

如果您想对某些特征赋予更多权重，可以将函数内的相似性向量乘以相等长度的权重向量。

similarity <- apply(featureframe[,1:4], 1, function(x) sum((x == vec) * c(1,2,1,1)))