机器学习 - 欧几里得距离分类器练习

数据挖掘 机器学习 Python 分类 k-nn 艾
2022-02-22 12:36:09

我正在大学参加一门选修课，主要侧重于机器学习的基础。现在我们进行了第一个练习——这个任务实际上应该用任何语言来完成（我选择了 Python）。我们的老师没有很好地解释理论与实践之间的关系，所以我们所有人都很难跟上——所以我决定在这里发布这个问题。我不希望任何人给我一个解决方案，我只是不明白他想要什么，并且可能暗示如何解决这个问题。：

这是完整的练习：

欧式距离分类器

  1. 开发一个欧几里得距离分类器如下： 生成 1000 个随机点，对应于 3 个特征大小为 2 的类中的每个类，用于 3 类分类问题。为简单起见，分别考虑 N([0 1 2], I)、N([0 0 1], I) 和 N([1 0 0],I) 之后的类。

  2. 根据最小欧几里得距离分类器生成输出一个 1000 维向量，其第 i 个分量包含分配对应向量的类。

我知道我应该生成具有属于三个类别之一的两个特征的随机点 - 好的。但我不明白句子的第二部分。这些类通常以 [0, 1, 2]、[0, 0, 1] 和 [1, 0, 0] 的均值（？）向量分布？

  1. 我在正态分布中的第二个参数是什么
  2. 向量是否代表多元正态分布的位置/平均值？
  3. 你会如何处理这个问题？使用ak最近邻算法？

感谢您提供任何有用的答案！

最大限度

1个回答

显然你的练习不是很清楚，至少对我来说不是。

我想你应该考虑I作为变量的方差或标准偏差，只需确保它是您的代码的一个参数，以便您稍后可以更改它，以防它不是您假设的那样。如果它对应于某些东西，请检查您的课程，但它对我来说似乎并不熟悉。

不知道你的第二个问题是什么意思，但这里是我需要创建的向量：

  1. 点向量（第一个问题），每个点都存在于二维空间中（特征大小）。
  2. 类向量（第二个问题），这个向量看起来像 [1, 0, 2, 2, 1, 1, ...]。对于这个向量，这意味着点向量的第一个值属于 1 类，第二个值属于 0 类，第三个属于 2 类，...

由于练习询问欧几里德距离分类器，您只需要创建一个算法，该算法取一个点，计算每个类中心的欧几里德距离，并将其分类到最近的类中。（不确定那种分类器可以被认为是机器学习，但是 w/e）。

你可能注意到了，但给出的平均值是 3-D 向量，这很奇怪，因为我说过我们的点存在于 2-D 空间中。我猜每个平均向量的最后一个值是生成的点的类（只是我的猜测，不是责怪你的老师，但正如我所说，你的练习不是很清楚）。因此，根据该解释，类将根据分布进行分布：

  • [0, 1]，第 2 类的 I 方差或标准偏差。
  • [0, 0]，第 1 类的 I 方差或标准偏差。
  • [1, 0]，0 类的 I 方差或标准偏差。

希望对您有所帮助，如果您还有其他问题，请随时提出。

其它你可能感兴趣的问题
上一篇使用专家对定性数据进行评分的最佳方法 下一篇评估合成数据的主题建模