《机器学习（周志华）》习题11.1 参考答案

最新推荐文章于 2023-07-23 18:06:27 发布

Wiking__acm

最新推荐文章于 2023-07-23 18:06:27 发布

阅读量2.8k

点赞数

分类专栏：数据挖掘

本文链接：https://blog.youkuaiyun.com/Wiking__acm/article/details/51539842

版权

本文介绍了编程实现机器学习中的Relief算法，并对其在西瓜3.0数据集上的应用效果进行了分析。尽管算法在某些方面存在假设和局限，如依赖最近邻且可能不适于高维数据，但作为编程练习有助于深入理解算法原理。然而，作者在实践中对此算法并不倾向于使用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

试编程实现Relief算法，并考察其在西瓜3.0上的结果。

# coding: utf-8
import numpy as np 

input_path = "西瓜数据集3.csv"
file = open(input_path.decode('utf-8'))
filedata = [line.strip('\n').split(',') for line in file]
filedata = [[float(i) if '.' in i.decode('utf-8') else i for i in row ] for row in filedata] # change decimal from string to float 
filedata = filedata[1:]
X = [row[1:-1] for row in filedata] # attributes
Y = [row[-1] for row in filedata] # class label 
weight = np.zeros(len(X[0]))

# Normalise
for row in X:
	row[-2] = (row[-2]-0.243) / (0.774-0.243)
	row[-1] = (row[-1]-0.042) / (0.46-0.042)

def cal_dis(a, b):
	ret = 0
	for i in range(len(a)):
		ai = a[i]
		bi = b[i]
		if type(a[i]) == float:
			ret += np.abs(ai-bi)
		else:
			ret += 0 if ai==bi else 1
	return ret 


def fin