《模式識別與智慧計算》二值化的夾角餘弦距離法分類

• 2020 年 1 月 16 日
• 筆記

演算法流程

1. 將樣本庫中的每個樣本進行二值化，閾值為（最大值-最小值）/2
2. 利用夾角餘弦距離法對待測樣品進行分類

演算法實現

def erzhianglecos(x_train,y_train,sample):      """      :function 按照二值夾角餘弦距離法計算待測樣品與樣品庫中的相似度      :param x_train: 訓練集 M*N  M為樣本個數 N為特徵個數      :param y_train: 訓練集標籤 1*M      :param sample: 待識別樣品      :return: 返回判斷類別      """      #二值化      spit  = 0.5*(np.max(x_train) - np.min(x_train))      train = np.where(x_train>spit,1,0)      sample = np.where(sample>spit,1,0)      #計算夾角餘弦      erZhiAng = np.sum(train*sample)/np.sqrt(np.sum(train^2)*np.sum(sample^2))      #值越大越相似      disMaxId = np.argmax(erZhiAng)      label = y_train[disMaxId]      return label

測試程式碼

from sklearn import datasets  from Include.chapter3 import function  import numpy as np    #讀取數據  digits = datasets.load_digits()  x , y = digits.data,digits.target    #劃分數據集  x_train, y_train, x_test, y_test = function.train_test_split(x,y)  testId = np.random.randint(0, x_test.shape[0])  sample = x_test[testId, :]      ans = function.anglecos(x_train,y_train,sample)  print(ans==y_test[testId])

演算法結果

True