我有一个按时间和个人分列的增长率数据集。我试图用KNN来预测其他个人的历史增长率。在
首先,我转换了事务级别的数据集,使每一行代表一个单独的数据集,列是时间(以天为单位)。我想找到价值观最接近的人
我的代码示例:from sklearn.neighbors import NearestNeighbors
import pandas as pd
neigh = NearestNeighbors(n_neighbors=5, metric = 'euclidean')
df = pd.DataFrame([['A',1,1,.2],['A',1,2,.25],['A',1,4,.3],['B',0,1,.5],['B',0,3,.52],['B',0,2,.51]
,['C',1,1,1.1],['C',1,2,1.3],['C',1,4,1.5]],columns = ['Cust_ID','Gender_Male','Day_No','Value'])
df_unstacked = df.set_index(['Cust_ID','Gender_Male','Day_No']).unstack()
print df_unstacked
Day_No 1 2 3 4
Cust_ID Gender_Male
A 1 0.2 0.25 NaN 0.3
B 0 0.5 0.51 0.52 NaN
C 1 1.1 1.30 NaN 1.5
neigh.fit(df_unstacked) #Throws error:
ValueError: Input contains NaN, infinity or a value too large for
dtype('float64').
我应该如何构造此数据以避免因缺少值而引发错误?我不想插补值-我只想计算存在值的距离。如果我输入样本行,我希望能够找到附近邻居每天的平均值
我知道这是可能的,因为我以前用过推荐系统和稀疏数据做过,但是我不熟悉sklearn KNN语法以及如何在计算距离/相似性时让它跳过NaN值。在