在字符串特征上查找欧几里得距离答案

【问题标题】：Finding Euclidean Distance on String features [closed]在字符串特征上查找欧几里得距离
【发布时间】：2013-12-08 05:55:27
【问题描述】：

我正在尝试实现 K-Nearest Neighbors 算法。我的数据集的值如下：

164     5.60    3.17    30.98   Present 44  25.99   43.20   53  1

178     0.95    4.75    21.06   Absent  49  23.74   24.69   61  0

我打算使用欧几里得距离来计算两个向量之间的距离。我对如何计算两个字符串之间的 ED 有疑问，例如上例中的“存在”和“缺席”？

【问题讨论】：

我正在尝试将其映射到如下 cmets 中建议的数值。还是要完成。完成后会更新！

标签： java machine-learning classification

【解决方案1】：

您应该根据具体的问题的域确定可能的值列表，例如“Absent”、“Present”、“Unknown”等。然后您应该将一个数值映射到每个字符串值，对应于问题的域。您应该考虑映射数值的距离。例如，我认为“Absent”和“Present”比“Absent”和“Unknown”更遥远。因此，我会映射像“Absent”：1、“Unknown”：0、“Present”：-1 这样的值。这在很大程度上取决于具体问题的领域。

然后您将使用数值计算欧几里得距离。

希望我能帮上忙！

【讨论】：

是的，我同意 - 这是一个好方法。您也可以计算字符串之间的差异，但是将第一个字符串转换为第二个字符串（Levenstheim 距离）需要多少变化，而不是距离的含义。因此，更改为数字应该会有所帮助。
你是对的。您描述的方法计算两个字符串之间的距离。但是你所指的距离，没有我的距离所具有的语义。您的意思是词法距离（如果该术语是正确的），它实际上表达了将第一个字符串转换为第二个字符串转换的难度。我建议的距离将根据整个单词的语义和问题的域来任意定义。只是为了澄清......