最近质心

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

最近质心分类器。

每个类别由其质心表示，测试样本被分类到具有最近质心的类别。

更多信息请参见 用户指南。

参数：

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

用于距离计算的度量。

如果 metric="euclidean"，则对应于每个类别的样本的质心是算术平均值，它最小化平方 L1 距离之和。如果 metric="manhattan"，则质心是特征方向的中位数，它最小化 L1 距离之和。

1.5 版本变更： 除"euclidean"和"manhattan"之外的所有度量标准均已弃用，现在会引发错误。

0.19 版本变更： metric='precomputed'已弃用，现在会引发错误。

shrink_threshold浮点数，默认值=None

收缩质心以去除特征的阈值。

priors{"uniform"，“empirical”} 或形状为 (n_classes,) 的类数组，默认值=”uniform”

类先验概率。默认情况下，类比例是从训练数据中推断出来的。

1.6 版本新增。

属性:

centroids_形状为 (n_classes, n_features) 的类数组

每个类的质心。

classes_形状为 (n_classes,) 的数组

唯一的类标签。

n_features_in_整数

在拟合期间看到的特征数量。

0.24 版本新增。

feature_names_in_形状为 (n_features_in_,) 的ndarray

在拟合期间看到的特征名称。仅当X具有全是字符串的特征名称时才定义。

1.0 版本新增。

deviations_形状为 (n_classes, n_features) 的ndarray

每个类的质心与整体质心的偏差（或收缩）。如果shrink_threshold=None，则等于等式 (18.4)，否则为 (18.5) [2] 的第 653 页。可用于识别用于分类的特征。

1.6 版本新增。

within_class_std_dev_形状为 (n_features,) 的ndarray

输入数据的合并或类内标准差。

1.6 版本新增。

class_prior_形状为 (n_classes,) 的ndarray

类先验概率。

1.6 版本新增。

另请参见

K 近邻分类器

最近邻分类器。

备注

当用于带有 tf-idf 向量的文本分类时，此分类器也称为 Rocchio 分类器。

参考文献

[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. 美国国家科学院院刊。

[2] Hastie, T., Tibshirani, R., Friedman, J. (2009). The Elements of Statistical Learning Data Mining, Inference, and Prediction. 第二版。纽约，施普林格出版社。

示例

>>> 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)

将决策函数应用于样本数组。

参数：

X形状为 (n_samples, n_features) 的{类数组，稀疏矩阵}

样本数组（测试向量）。

返回值:

y_scores形状为 (n_samples,) 或 (n_samples, n_classes) 的ndarray

与每个样本相关的每个类的决策函数值。在两类情况下，形状为(n_samples,)，给出正类的对数似然比。

fit(X, y)

根据给定的训练数据拟合 NearestCentroid 模型。

参数：

X形状为 (n_samples, n_features) 的{类数组，稀疏矩阵}

训练向量，其中n_samples是样本数，n_features是特征数。请注意，质心收缩不能与稀疏矩阵一起使用。

y形状为 (n_samples,) 的类数组

目标值。

返回值:

self对象

拟合的估计器。

get_metadata_routing()

获取此对象的元数据路由。

请查看用户指南，了解路由机制的工作原理。

返回值:

routingMetadataRequest

一个MetadataRequest 封装路由信息。

get_params(deep=True)

获取此估计器的参数。

参数：

deep布尔值，默认值=True

如果为 True，将返回此估计器和包含的子对象的参数（这些子对象是估计器）。

返回值:

params字典

参数名称映射到其值。

predict(X)

对测试向量X数组执行分类。

返回X中每个样本的预测类C。

参数：

X形状为 (n_samples, n_features) 的{类数组，稀疏矩阵}

输入数据。

返回值:

y_pred形状为 (n_samples,) 的ndarray

预测的类。

predict_log_proba(X)

估计对数类概率。

参数：

X形状为 (n_samples, n_features) 的{类数组，稀疏矩阵}

输入数据。

返回值:

y_log_proba形状为 (n_samples, n_classes) 的ndarray

估计的对数概率。

predict_proba(X)

估计类概率。

参数：

X形状为 (n_samples, n_features) 的{类数组，稀疏矩阵}

输入数据。

返回值:

y_proba形状为 (n_samples, n_classes) 的ndarray

模型中每个类的样本概率估计，其中类按照self.classes_中的顺序排列。

score(X, y, sample_weight=None)

返回给定测试数据和标签的平均准确率。

在多标签分类中，这是子集准确率，这是一个严格的指标，因为它要求每个样本的每个标签集都被正确预测。

参数：

X形状为 (n_samples, n_features) 的类数组

测试样本。

y形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组

X 的真实标签。

sample_weight形状为 (n_samples,) 的类数组，默认为 None

样本权重。

返回值:

score浮点数

self.predict(X) 相对于 y 的平均准确率。

set_params(**params)

设置此估计器的参数。

此方法适用于简单估计器以及嵌套对象（例如 Pipeline）。后者具有 <component>__<parameter> 形式的参数，因此可以更新嵌套对象的每个组件。

参数：

**params字典

估计器参数。

返回值:

self估计器实例

估计器实例。

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

请求传递给 score 方法的元数据。

请注意，只有在 enable_metadata_routing=True 时（参见 sklearn.set_config）此方法才相关。请参阅 用户指南，了解路由机制的工作原理。

每个参数的选项为

• True：请求元数据，如果提供则传递给 score。如果未提供元数据，则忽略请求。

• False：不请求元数据，元估计器不会将其传递给 score。

• None：不请求元数据，如果用户提供元数据，元估计器将引发错误。

• str：元数据应使用此给定的别名而不是原始名称传递给元估计器。

默认值（sklearn.utils.metadata_routing.UNCHANGED）保留现有的请求。这允许您更改某些参数的请求而无需更改其他参数。

1.3 版中添加。

注意

仅当此估计器用作元估计器的子估计器（例如，在 Pipeline 中使用）时，此方法才相关。否则，它无效。

参数：

sample_weightstr、True、False 或 None，默认为 sklearn.utils.metadata_routing.UNCHANGED

score 中 sample_weight 参数的元数据路由。

返回值:

self对象

更新后的对象。

图库示例

最近质心分类

最近质心分类

使用稀疏特征的文本文档分类

使用稀疏特征的文本文档分类