zoukankan      html  css  js  c++  java
  • 最近质心

    算法很简单,取训练样本每种类别的平均值当做聚类中心点,待分类的样本离哪个中心点近就归属于哪个聚类 。

    在《白话大数据与机器学习》里使用了sklearn里的NearestCentroid来处理数据:

    训练模型 clf = NearestCentroid().fit(x, y)

    预测数据 clf.predict(x)


    这里我们来实现一下最近的质心算法,看看该算法具体是如果实现的。

    1 准备数据

    首先我们需要一些训练数据 这里使用鸢尾花数据 https://en.wikipedia.org/wiki/Iris_flower_data_set

    这里x是一个(150, 4)2维数组,总共150条数据,打印其中的5条数据看一下:

    [[5.1, 3.5, 1.4, 0.2],

     [4.9, 3.0, 1.4, 0.2],

     [4.7, 3.2, 1.3, 0.2],

     [4.6, 3.1, 1.5, 0.2],

     [5.0, 3.6, 1.4, 0.2],

     ... ...]

    可以看到每条数据都有4个特征项分别是: 萼片的长度,萼片的宽度,花瓣的长度,花瓣的宽度

    y是x里每条数据对应的分类:

    [0, 0, 1, 1, 2, ...]

    可以看到x里对应的分类总共有3种[0,1,2]。

     

    2 训练模型

    求出了每种分类里的数据每个特性项的平均值:

    {0: [[5.1, 3.5, 1.4, 0.2],

           [4.9, 3.0, 1.4, 0.2],

           ... ...],

     1: [[4.7, 3.2, 1.3, 0.2],

          [4.6, 3.1, 1.5, 0,2],

          ... ...],

     2: [[5.0, 3.6, 1.4, 0.2],

           ... ...]}

    得到平均值结果集:

    {0: [5.006, 3.418, 1.464, 0.244],

      1: [5.936, 2.770, 4.260, 1.326],

      2: [6.588, 2.974, 5.552, 2.026]}

    3. 预测数据

    求出待预测数据属于哪种分类的概率更大,也就是离哪个聚类质心更近。

    对每条记录,计算其与每个聚类中点之间的距离并保存在一个数组里,计算距离公式有很多,欧式距离,曼哈顿距离等:

    [[8.512, 2.321, 4.576]]

    可以看到待预测数据属于分类0,1,2的距离被计算出来了。

    完整代码可以访问github进行下载 https://github.com/azheng333/Ml_Algorithm.git。

    (完)

                        关注大数据尖端技术发展,关注奇点大数据
                           

  • 相关阅读:
    开发环境搭建
    添加约束设置方式
    ubuntu和windows双系统启动顺序的修改
    函数指针,指针函数,数组指针,指针数组 区分
    boost
    centos7 64位如何配置网络
    MySQL数据库(主键、索引、外键、触发器...)
    几种常见字符集与字符编码
    ODBC、OLEDB应用详解
    C#事件以及EventHandler、EventArgs
  • 原文地址:https://www.cnblogs.com/azheng333/p/5879870.html
Copyright © 2011-2022 走看看