问题描述
我有一个 df,其中包含许多关于 Home Depot 客户帐户的信息列。一些字段是帐号、行业、领土、国家、州、城市、服务等... 我需要使用 python 构建一个模型,该模型将允许我输入客户帐户名,然后我将获得与我输入的客户帐户类似的输出。
假设我输入了客户帐户“Jon Doe” 我想根据行业、国家/地区、其他分类变量等特征获取与 Jon Doe 类似的其他客户帐户。
我该如何解决这个问题?我需要构建什么样的模型?
解决方法
您需要为“接近度”创建一些指标 - 您对距离的定义。
您需要一种方法来将记录的所有(或与您相关的所有)字段与其他字段进行比较。
我现在能想到的最好/最简单的骨骼功能是
def rowDist(rowA,rowB):
return industryDistance(rowA.industry,rowB.industry) \
* industryDistanceWeight + geographicalDistance(rowA,rowB) \
* geographicalDistanceWeight
然后您只需搜索距离最低的行。