查找最相邻项工具
查找最相邻项工具
“查找最相邻项”工具根据欧几里德距离，在“数据”流中查找与“查询”流中的每条记录相对应的所选最相邻项。该方法提供了多种查找最相邻项的算法供选择，这些算法具有不同的速度和准确率。默认根据 KD-树算法进行搜索，KD-树算法通常具有良好的速度和准确率。此外，您可以选择使用原始数据进行计算，也可以使用 z-score 标准化（这会使所有字段的均值为 0 ，标准差为 1）或者单位间隔转换（其中每个字段的值范围为 0 到 1）对数据进行标准化。
建议使用此工具时将字段标准化，因为欧几里得距离计算对字段尺度的差异非常敏感（例如，未转换的家庭收入和年龄数据具有非常不同的级别和范围）。鉴于此方法的性质，只能使用数字字段作为输入。此工具使用 R FNN 包。
此工具使用 R 工具。转至选项 > 下载预测工具，并登录到 Alteryx 下载和许可门户以安装 R 和 R 工具使用的包。如需了解详情，请参阅 下载和使用预测工具。
连接输入
此工具接受两个 Alteryx 数据流：
D 锚点：接受“数据”流。此工具在数据流中查找与查询流（Q 输入）中的每条记录相对应的所选数量的最相邻项。
Q 锚点：接受“查询”流。
配置工具
唯一键字段：此工具需要唯一键，以识别查询流和数据流中记录之间的关系。
字段（选择两个或更多）：选择要用于构建群集解决方案的数字字段。
标准化字段…：选择此选项可选择通过 z-score 或单元间隔标准化来对字段进行标准化。
z-score标准化：z-score 转换是指从字段的值中减去每个字段的均值，然后除以字段的标准差。这会产生一个均值为 0，标准差为 1 的新字段。
单位间隔标准化：单位间隔转换是指从字段值中减去字段的最小值，然后除以字段的最大值和最小值之间的差值。这会产生一个值范围从 0 到 1 的新字段。k 最相邻项计算对数据的数量级非常敏感，当一个字段与另一个字段的数量级相差很大时尤为如此。因此，应该考虑对数据进行缩放。
要查找的相邻项目数量：默认（和最小）数量是 1 个（最近）相邻项。最大数量是 100。
用于查找最相邻项的算法：各方法具有不同的计算时间和准确率。默认算法是 KD-树，它通常具有良好的计算时间和准确率。线性搜索可确保找到真正的最相邻项，但计算成本非常高。选择以下算法之一：
查看输出
N 锚点：包含一个表格，该表格给出了查询流中每个点的唯一键值和与所需近邻数量的距离（由查询流中每条记录的唯一键标识）。如果所需近邻数量为 2，唯一键字段名称为 ID，则此输出数据流中含有以下字段：ID、ID_1（最近邻的唯一键）、Dist_1（到最近邻的欧几里得距离）、ID_2（第二近邻的唯一键）和 Dist_2（到第二近邻的欧几里得距离）。
M 锚点：为所有数据流和查询流中的记录，提供唯一键字段、标准化数据值以及记录是否在数据流或查询流中的指示符（__Type__ 字段）。
*en.wikipedia.org/wiki/Cover_tree
***Venables, W. N. and Ripley, B. D. (2002), Modern Applied Statistics with S, 4th ed., Springer, Berlin.