Ähnlichkeit messen

Teil des Abschnitts Unüberwachtes Lernen der Machine Learning-Journey von Coddy. Lektion 2 von 51.

Bei k-NN bedeutete „nearest“ die kürzeste Entfernung. Um Gruppen zu finden, brauchst du sie für jedes Zeilenpaar: eine Distanztafel. Vier Freunde bewerteten zwei Filme von 1 bis 10:

ratings = np.array([[9, 2], [8, 3], [2, 9], [3, 7]])  # Ana, Ben, Cy, Dee
n = len(ratings)
table = np.zeros((n, n))
for i in range(n):
    table[i] = np.sqrt(((ratings - ratings[i]) ** 2).sum(axis=1))

Zeile i enthält die Entfernung von Freund i zu allen anderen. Hier ist table, als Raster dargestellt:

Ein 4-mal-4-Raster der Entfernungen zwischen Ana, Ben, Cy und Dee. Auf der Diagonale steht 0.0. Die beiden Zellen für Ana und Ben mit 1.4 sind als kleinster Wert außerhalb der Diagonale hervorgehoben; Ana und Cy haben mit 9.9 die größte Entfernung

Überspringe die Diagonale mit den 0, also jeden Freund mit sich selbst. Die kleinste verbleibende Zahl steht für das ähnlichste Paar, die größte für das unterschiedlichste. Kleine Distanz, ähnliche Zeilen.

Aufgabe

Einfach

Eine Saftbar nimmt den vom Programm eingelesenen neuen Smoothie des Küchenchefs in ihr Menü auf. Welche zwei sind sich so ähnlich, dass einer davon weg kann? Welche zwei sind für eine Verkostungsrunde am unterschiedlichsten?

Erstelle die Abstandstabelle von menu.
Finde das ähnlichste und das unterschiedlichste Paar: jedes Paar nur einmal, niemals ein Smoothie mit sich selbst.
Gib beide aus, die Namen in der Reihenfolge des Menüs, die Abstände mit 1 Nachkommastelle.

Für ein anderes Menü:

Most alike: Lemon Zing and Lime Twist (14.1 g apart)
Most different: Choco Shake and Cucumber Cool (212.6 g apart)

Probier es selbst

import numpy as np

names = ["Berry Blast", "Green Glow", "Mango Lassi", "Kale Kick", "Tropical Sun", "Banana Oat", "Minty Melon"]
# Eine Zeile pro Smoothie, Gramm pro Becher: Obst, Blattgemüse, Joghurt
menu = np.array([[180, 0, 120],
                 [90, 110, 60],
                 [160, 0, 150],
                 [60, 150, 30],
                 [200, 20, 40],
                 [100, 0, 200],
                 [170, 40, 0]])

# Das neue Rezept des Kochs wird als letzte Zeile zum Menü hinzugefügt
names.append(input())
new = [int(input()), int(input()), int(input())]
menu = np.concatenate([menu, [new]])

# Schreibe deinen Code unten