用 WEKA 进行数据挖掘，第 3 部分: 最近邻和服务器端库

核心提示： 清单 1. 最近邻的数学理论CustomerAgeIncomePurchasedProduct14546kBook239100kTV33538kDVD469150kCarCover55851k???Step1:DetermineDistanceFormulaDistance=SQRT(((58-

清单 1. 最近邻的数学理论

Customer　　　Age　　　Income　　　Purchased　Product　
1　　　　　　45　　　　46k　　　　Book　
2　　　　　　39　　　　100k　　　TV　
3　　　　　　35　　　　38k　　　　DVD　
4　　　　　　69　　　　150k　　　Car　Cover　
5　　　　　　58　　　　51k　　　　???　
　
Step　1:　Determine　Distance　Formula　
Distance　=　SQRT(　((58　-　Age)/(69-35))^2)　+　((51000　-　Income)/(150000-38000))^2　)　
　
Step　2:　Calculate　the　Score　
Customer　　　Score　　　Purchased　Product　
1　　　　　　.385　　　　　Book　
2　　　　　　.710　　　　　TV　
3　　　　　　.686　　　　　DVD　
4　　　　　　.941　　　　　Car　Cover　
5　　　　　　0.0　　　　　???

如果使用最近邻算法回答我们上面遇到的 “第 5 个顾客最有可能购买什么产品” 这一问题，答案将是一本书。这是因为第 5 个顾客与第 1 个顾客之间的距离要比第 5 个顾客与其他任何顾客之间的距离都短（实际上是短很多）。基于这个模型，可以得出这样的结论：由最像第 5 个顾客的顾客可以预测出第 5 个顾客的行为。

不过，最近邻的好处远不止于此。最近邻算法可被扩展成不仅仅限于一个最近匹配，而是可以包括任意数量的最近匹配。可将这些最近匹配称为是 “N-最近邻”（比如 3-最近邻）。回到上述的例子，如果我们想要知道第 5 个顾客最有可能购买的产品，那么这次的结论是书和 DVD。而对于上述的亚马逊的例子，如果想要知道某个顾客最有可能购买的 12 个产品，就可以运行一个 12-最近邻算法（但亚马逊实际运行的算法要远比一个简单的 12-最近邻算法复杂）。