正交向量的最近邻处理

Question

在文本分类中使用最近邻（scikit）时，有时与任何类都不相似。发生这种情况时，scikit算法返回的距离为1，并且似乎选择了一个看似随机的类（每次运行中都相同，但有时再次运行时会更改）。当向量正交时返回特定值（如None）会很有帮助。

    vec = CountVectorizer(strip_accents='ascii', stop_words = stopwords, ngram_range=(1, 3))
    bag_of_words = vec.fit_transform(list(map(str, Property))) #reference
    tfidf_transformer = TfidfTransformer()
    X_train_tfidf = tfidf_transformer.fit_transform(bag_of_words.minimum(1))

    neigh = NearestNeighbors(n_neighbors = neighbors) 
    neigh.fit(X_train_tfidf)

    X_test_counts = vec.transform(wines_strings).minimum(1)

    res = neigh.kneighbors(X_test_counts, return_distance = True)

Answer 1

我决定只添加一个计算以确定向量是否正交。当它们正交时，我会无视最近的邻居吐出来的东西

    a = X_train_tfidf@X_test_counts.transpose()
    indicator = a.transpose()*np.ones(a.get_shape()[0])