近邻(Neighbors)

根据参考计算数据中最近的邻居。

输入

  • 数据：输入数据集
  • 参考数据：计算近邻的参考数据

输出

  • 邻居：根据参考数据计算的最近邻居的数据表

功能

近邻(Neighbors) 小部件会计算给定参考数据和给定距离度量值的最近邻居。参考数据可以是一个实例，也可以是多个实例。在一个参考数据的情况下，小部件计算最接近的 n 个实例，其中 n 由小部件中的“邻居数”选项设置。当参考数据包含更多实例时，小部件将计算每个数据实例的组合距离，作为到每个参考的最小距离。小部件以最小的组合距离输出 n 个数据实例。

界面

  1. 用于计算邻居的距离度量。 支持的度量是：欧几里得，曼哈顿，马哈拉诺比斯，余弦，雅卡德，斯皮尔曼，绝对斯皮尔曼，皮尔逊，绝对皮尔逊 (Euclidean, Manhattan, Mahalanobis, Cosine, Jaccard, Spearman, absolute Spearman, Pearson, absolute Pearson)。
  2. 输出中的邻居数。
  3. 如果选中*排除行（等于引用），则与引用高度相似（距离<1e-5）的数据实例将被排除
  4. 单击 “应用” 提交更改。 要自动发送更改，请勾选 ”自动应用“。
  5. 状态栏，可查看小部件帮助以及有关输入和输出数据的信息。

示例

第一个示例

我们使用 “iris” 数据并将其传递给 近邻(Neighbors) 和数据表(Data Table)。 在数据表(Data Table)中，我们选择了一个鸢尾花(iris)实例，它将作为我们的参考数据，这意味着我们希望检索 10 个最接近所选数据的实例。 我们也将数据表(Data Table)连接到 近邻(Neighbors)。

我们可以在 数据表(Data Table) 中观察近邻计算的结果，在其中可以看到10个最接近所选鸢尾花的实例。

现在，选择 数据表(Data Table) 更改为多个示例。结果，我们得到的实例与参考数据的组合距离最近。 该方法将组合距离计算为到每个参考的最小距离

反馈问题

文档有问题? 或者有其他意见和建议? 请在本文档的 Github 仓库直接反馈

点我反馈

进入反馈页面不知道如何反馈, 请点击这里

更新时间: