你的位置:首页 > 数据库

[数据库]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
                       




普吉岛旅游路线报价费用普吉岛旅游哪里好玩呢普吉岛旅游签证怎么办理普吉岛旅游去哪好普吉岛旅游团报价优惠锦绣中华民俗村门票多少钱?深圳锦绣中华民俗村门票含表演吗? 深圳锦绣中华民俗村演出时间表?锦绣中华民俗村什么时候有演出? 番禺长隆欢乐世界最有特色的娱乐设施?长隆欢乐世界过山车适合小孩吗? 还在买房? 土豪新玩法:去意大利买小镇! 广州荔枝湾游船时间?荔枝湾游船几点开始? 广州荔枝湾游船景区电话?荔枝湾游船门票预订? 荔枝湾游船门票多少钱?广州荔枝湾游船怎么收费? 荔枝湾游船价格?广州荔枝湾游船攻略? 金沙遗址晋升国家一级博物馆跻身全国百强 泰国旅行七大误区 金庸笔下的雁门关_血战雁门关_金庸武侠旅游地图_带着金庸小说去旅游 重庆武隆“8分钟的守望”活动进行时 石竹山门票价格_石竹山门票多少钱 晨光中的影魅天堂新都桥_新都桥介绍 南戴河国际娱乐中心门票价格多少钱 南戴河在哪_南戴河在哪里_南戴河各景区交通信息 HL-31007QGQYW Datasheet HL-31007QGQYW Datasheet HL-31012QEQGW Datasheet HL-31012QEQGW Datasheet HL-31028GD Datasheet HL-31028GD Datasheet 适合老人的旅游 适合老人的旅游 适合老人的旅游 1月份适合去哪旅游 1月份适合去哪旅游 1月份适合去哪旅游 适合小孩旅游的地方 适合小孩旅游的地方 适合小孩旅游的地方