余弦定理算一下？

【 在 kpo (kpkpkp) 的大作中提到: 】
: 工作需要，最近在研究用机器学习解决筛选的问题，就是有一系列数据，每个都有很多个特征，这些特征大部分是离散的，少数是连续的；然后需要根据输入的特征来筛选出最接近的一系列数据（例如5个）
: 朋友建议用embedding，csdn上查了好多embedding、getdummies、keras的，只是大致搞清楚了这玩意的逻辑，但是还是不知道怎么去应用解决我的问题，git上也没收到合适的
: 求问大家有没有现成的库能解决我这个需求，导入一个总得数据库csv后输入一系列特征然后去检索到最接近的几个数据，没有系统学习过机器学习知识只能改参数了
: ...................
--
FROM 125.78.66.*

from sklearn.metrics.pairwise import cosine_similarity
import pandas as pd
import numpy as np

df = pd.DataFrame({"col1": [1,2,3], "col2": [4,5,6]})
query = np.mat([1,3])
print(cosine_similarity(df, query))

【 在 kpo (kpkpkp) 的大作中提到: 】
: 道理是这个道理
: 不过有更成熟的库来解决，但这个库我还用不太明白……
--
FROM 125.78.66.*

好像还有说k-means的聚合算法也行，但是涉及到离散特征要用k-prototypes这个库，细节还没看懂……
--
FROM 120.244.166.*