Haskell最近的邻居和模式识别

Question

这是我拥有的3个数据集的简化版本：

Set A = [1, 1, 2, 2, 1, 2, 2, 1]
Set B = [2, 2, 1, 2, 2, 1, 1, 3]
Set C = [8, 4, 4, 4, 4, 9, 8, 4]

Haskell是否具有用于在数据集之间查找未指定模式的内置功能？ 我想在2个或更多数据集上运行我的程序，并让它报告哪些相似，在这种情况下，将是A和B。

Answer 1

如果您不是在谈论寻找结果相交处。

对于每两个列表，我们可以使用Data.List intersect函数，将它们相交。

因此，想法是计算所有列表的交集并对它们进行排序。

> snd . last . sort $ [ (length $ intersect x y, (x,y)) | let list = [[1,1,2,2,1,2,2,1],[2,2,1,2,2,1,1,3],[8,4,4,4,4,9,8,4]], x <- list, y <- list, x /= y ]
([1,1,2,2,1,2,2,1],[2,2,1,2,2,1,1,3])

如果您有兴趣建立后续的相交点，则可以使用以下方法：

import Data.List (sort, subsequences)

intersectCons :: (Ord a) => [a] -> [a] -> [a]
intersectCons x y = snd . last . sort $
  [ (length x1, x1) | x1 <- subsequences x
                    , x2 <- subsequences y
                    , x1 == x2 ]

例如：

> intersectCons [1, 1, 2, 2, 1, 2, 2, 1] [2, 2, 1, 2, 2, 1, 1, 3]
[2,2,1,2,2,1]

我们也可以使用它来查找最相似的列表对：

> snd . last . sort $ [ (length $ intersectCons x y, (x,y)) | let list = [[1,1,2,2,1,2,2,1],[2,2,1,2,2,1,1,3],[8,4,4,4,4,9,8,4]], x <- list, y <- list, x /= y ]
([2,2,1,2,2,1,1,3],[1,1,2,2,1,2,2,1])

实际上，如果您不仅要获取一对列表，而且要获取所有“相似”的对，则可以删除snd . last . sort $ snd . last . sort $ snd . last . sort $并全部获取。