最近質心

class sklearn.neighbors.NearestCentroid(metric='euclidean', *, shrink_threshold=None, priors='uniform')

最近質心分類器。

每個類別都以其質心表示，測試樣本會被分類到最近質心的類別。

在使用者指南中閱讀更多資訊。

參數:

metric{“euclidean”, “manhattan”}, default=”euclidean”

用於計算距離的度量。

如果 metric="euclidean"，則每個類別對應樣本的質心為算術平均值，可最小化平方 L1 距離的總和。如果 metric="manhattan"，則質心為各特徵的中位數，可最小化 L1 距離的總和。

在 1.5 版本中變更：除了 "euclidean" 和 "manhattan" 之外的所有度量標準均已棄用，現在會引發錯誤。

在 0.19 版本中變更：metric='precomputed' 已棄用，現在會引發錯誤。

shrink_thresholdfloat，預設值=None

用於縮減質心以移除特徵的閾值。

priors{"uniform", "empirical"} 或形狀為 (n_classes,) 的類陣列，預設值="uniform"

類別先驗機率。預設情況下，類別比例是從訓練資料中推斷而來。

在 1.6 版本中新增。

屬性:

centroids_形狀為 (n_classes, n_features) 的類陣列

每個類別的質心。

classes_形狀為 (n_classes,) 的陣列

唯一的類別標籤。

n_features_in_int

在 fit 期間看到的特徵數量。

在 0.24 版本中新增。

feature_names_in_形狀為 (n_features_in_,) 的 ndarray

在 fit 期間看到的特徵名稱。只有當 X 具有全部為字串的特徵名稱時才會定義。

在 1.0 版本中新增。

deviations_形狀為 (n_classes, n_features) 的 ndarray

每個類別的質心與整體質心的偏差（或縮減）。如果 shrink_threshold=None，則等於方程式 (18.4)；否則等於 [2] 第 653 頁的 (18.5)。可用於識別用於分類的特徵。

在 1.6 版本中新增。

within_class_std_dev_形狀為 (n_features,) 的 ndarray

輸入資料的合併或類內標準差。

在 1.6 版本中新增。

class_prior_形狀為 (n_classes,) 的 ndarray

類別先驗機率。

在 1.6 版本中新增。

另請參閱

K近鄰分類器

最近鄰分類器。

註解

當用於具有 tf-idf 向量的文本分類時，此分類器也稱為 Rocchio 分類器。

參考文獻

[1] Tibshirani, R., Hastie, T., Narasimhan, B., & Chu, G. (2002). Diagnosis of multiple cancer types by shrunken centroids of gene expression. Proceedings of the National Academy of Sciences of the United States of America, 99(10), 6567-6572. The National Academy of Sciences.

[2] Hastie, T., Tibshirani, R., Friedman, J. (2009). The Elements of Statistical Learning Data Mining, Inference, and Prediction. 2nd Edition. New York, Springer.

範例

>>> from sklearn.neighbors import NearestCentroid
>>> import numpy as np
>>> X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
>>> y = np.array([1, 1, 1, 2, 2, 2])
>>> clf = NearestCentroid()
>>> clf.fit(X, y)
NearestCentroid()
>>> print(clf.predict([[-0.8, -1]]))
[1]

decision_function(X)

將決策函數套用到樣本陣列。

參數:

X形狀為 (n_samples, n_features) 的 {類陣列、稀疏矩陣}

樣本陣列（測試向量）。

返回:

y_scores形狀為 (n_samples,) 或 (n_samples, n_classes) 的 ndarray

每個樣本與每個類別相關的決策函數值。在二類情況下，形狀為 (n_samples,)，給出正類的對數似然比。

fit(X, y)

根據給定的訓練資料擬合 NearestCentroid 模型。

參數:

X形狀為 (n_samples, n_features) 的 {類陣列、稀疏矩陣}

訓練向量，其中 n_samples 是樣本數量，n_features 是特徵數量。請注意，質心縮減不能與稀疏矩陣一起使用。

y形狀為 (n_samples,) 的類陣列

目標值。

返回:

self物件

已擬合的估計器。

get_metadata_routing()

取得此物件的中繼資料路由。

請查閱使用手冊，了解路由機制如何運作。

返回:

routingMetadataRequest

封裝路由資訊的 MetadataRequest。

get_params(deep=True)

取得此估計器的參數。

參數:

deepbool，預設值=True

如果為 True，將會傳回此估計器及其包含的子物件（即估計器）的參數。

返回:

paramsdict

對應到其值的參數名稱。

predict(X)

對測試向量 X 的陣列執行分類。

傳回 X 中每個樣本的預測類別 C。

參數:

X形狀為 (n_samples, n_features) 的 {類陣列、稀疏矩陣}

輸入資料。

返回:

y_pred形狀為 (n_samples,) 的 ndarray

預測的類別。

predict_log_proba(X)

估計對數類別機率。

參數:

X形狀為 (n_samples, n_features) 的 {類陣列、稀疏矩陣}

輸入資料。

返回:

y_log_proba形狀為 (n_samples, n_classes) 的 ndarray

估計的對數機率。

predict_proba(X)

估計類別機率。

參數:

X形狀為 (n_samples, n_features) 的 {類陣列、稀疏矩陣}

輸入資料。

返回:

y_proba形狀為 (n_samples, n_classes) 的 ndarray

模型中每個類別的樣本機率估計值，其中類別的順序與 self.classes_ 中的順序相同。

score(X, y, sample_weight=None)

返回給定測試數據和標籤的平均準確度。

在多標籤分類中，這是子集準確度，這是一個嚴苛的指標，因為您需要每個樣本的每個標籤集都被正確預測。

參數:

X形狀為 (n_samples, n_features) 的類陣列

測試樣本。

y形狀為 (n_samples,) 或 (n_samples, n_outputs) 的類陣列

X 的真實標籤。

sample_weight形狀為 (n_samples,) 的類陣列，預設值為 None

樣本權重。

返回:

scorefloat

關於 y 的 self.predict(X) 的平均準確度。

set_params(**params)

設定此估算器的參數。

此方法適用於簡單的估算器以及巢狀物件（例如 Pipeline）。後者的參數形式為 <component>__<parameter>，因此可以更新巢狀物件的每個元件。

參數:

**paramsdict

估算器參數。

返回:

self估算器實例

估算器實例。

set_score_request(*, sample_weight: bool | None | str = '$UNCHANGED$') → NearestCentroid

請求傳遞給 score 方法的中繼資料。

請注意，只有當 enable_metadata_routing=True 時此方法才相關（請參閱 sklearn.set_config）。請參閱 使用者指南，了解路由機制如何運作。

每個參數的選項為

• True：請求中繼資料，如果提供，則傳遞給 score。如果未提供中繼資料，則會忽略請求。

• False：不請求中繼資料，且元估算器不會將其傳遞給 score。

• None：不請求中繼資料，如果使用者提供，元估算器將引發錯誤。

• str：中繼資料應使用此給定別名傳遞給元估算器，而不是原始名稱。

預設值 (sklearn.utils.metadata_routing.UNCHANGED) 會保留現有的請求。這允許您更改某些參數的請求，而不更改其他參數。

在 1.3 版本中新增。

請注意

只有當此估算器用作元估算器的子估算器時，此方法才相關，例如在 Pipeline 中使用。否則，它不會產生任何影響。

參數:

sample_weightstr、True、False 或 None，預設值為 sklearn.utils.metadata_routing.UNCHANGED

score 中 sample_weight 參數的中繼資料路由。

返回:

self物件

更新後的物件。

範例展示

最近質心分類

最近質心分類

使用稀疏特徵對文檔進行分類

使用稀疏特徵對文檔進行分類