NearestCentroid

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

最近质心分类器。

每个类别都由其质心表示，测试样本被归类到与其最近的质心所属的类别。

在用户指南中阅读更多内容。

参数:

metric{“euclidean”, “manhattan”}, 默认值=”euclidean”

用于距离计算的度量。

如果metric="euclidean"，每个类别对应样本的质心是算术平均值，它最小化L1距离的平方和。如果metric="manhattan"，质心是特征维度的中位数，它最小化L1距离的和。

版本 1.5 中有更改: 除了"euclidean"和"manhattan"之外的所有度量都已弃用，现在会引发错误。

版本 0.19 中有更改: metric='precomputed'已弃用，现在会引发错误

shrink_threshold浮点数, 默认值=None

用于收缩质心以移除特征的阈值。

priors{“均匀”, “经验”} 或形状为 (n_classes,) 的类数组对象, 默认值=”均匀”

类别先验概率。默认情况下，类别比例从训练数据中推断。

版本 1.6 新增。

属性:

centroids_形状为 (n_classes, n_features) 的类数组对象

每个类别的质心。

classes_形状为 (n_classes,) 的数组

唯一的类别标签。

n_features_in_整数

在fit期间看到的特征数量。

版本 0.24 新增。

feature_names_in_形状为 (n_features_in_,) 的 ndarray

在fit期间看到的特征名称。仅当X的特征名称全部为字符串时定义。

版本 1.0 新增。

deviations_形状为 (n_classes, n_features) 的 ndarray

每个类别质心与整体质心的偏差（或收缩）。如果shrink_threshold=None，则等于参考文献 [2] 第653页的公式 (18.4)，否则等于公式 (18.5)。可用于识别用于分类的特征。

版本 1.6 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。

版本 1.6 新增。

class_prior_形状为 (n_classes,) 的 ndarray

类别先验概率。

版本 1.6 新增。

另请参阅

KNeighborsClassifier

最近邻分类器。

说明

当与tf-idf向量一起用于文本分类时，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. 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.

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) 的类数组对象或稀疏矩阵

样本数组（测试向量）。

返回:

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

每个样本与每个类别相关的决策函数值。在二分类情况下，形状为(n_samples,)，给出正类别的对数似然比。

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) 的类数组对象或稀疏矩阵

训练向量，其中n_samples是样本数量，n_features是特征数量。请注意，质心收缩不能用于稀疏矩阵。

y形状为 (n_samples,) 的类数组对象

目标值。

返回:

self对象

已拟合的估计器。

get_metadata_routing()

获取此对象的元数据路由。

请查阅用户指南，了解路由机制的工作原理。

返回:

routingMetadataRequest

封装路由信息的MetadataRequest。

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，将返回此估计器以及所包含的作为估计器的子对象的参数。

返回:

params字典

参数名称映射到其值。

predict(X)

对测试向量数组X执行分类。

返回X中每个样本的预测类别C。

参数:

X形状为 (n_samples, n_features) 的类数组对象或稀疏矩阵

输入数据。

返回:

y_pred形状为 (n_samples,) 的 ndarray

预测的类别。

predict_log_proba(X)

估计对数类别概率。

参数:

X形状为 (n_samples, n_features) 的类数组对象或稀疏矩阵

输入数据。

返回:

y_log_proba形状为 (n_samples, n_classes) 的 ndarray

估计的对数概率。

predict_proba(X)

估计类别概率。

参数:

X形状为 (n_samples, n_features) 的类数组对象或稀疏矩阵

输入数据。

返回:

y_proba形状为 (n_samples, n_classes) 的 ndarray

模型中每个类别样本的概率估计，其中类别按self.classes_中的顺序排列。

score(X, y, sample_weight=None)

返回给定数据和标签的准确率。

在多标签分类中，这是子集准确率，它是一个严苛的度量标准，因为它要求每个样本的每个标签集都必须被正确预测。

参数:

X形状为 (n_samples, n_features) 的类数组对象

测试样本。

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

X的真实标签。

sample_weight形状为 (n_samples,) 的类数组对象, 默认值=None

样本权重。

返回:

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:

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，此方法仅在enable_metadata_routing=True时相关（参见sklearn.set_config）。请参阅用户指南，了解路由机制的工作原理。

每个参数的选项有

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

• 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别名而非原始名称传递给元估计器。

默认值（sklearn.utils.metadata_routing.UNCHANGED）保留现有请求。这允许您更改部分参数的请求，而不更改其他参数。

版本 1.3 新增。

注意

当此估计器作为元估计器的子估计器使用时，例如在Pipeline内部使用时，此方法才相关。否则，它没有效果。

参数:

sample_weight字符串, True, False, 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED

score方法中sample_weight参数的元数据路由。

返回:

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

使用稀疏特征进行文本文档分类

使用稀疏特征进行文本文档分类