彩虹的约定

code ^_^ /** * correlation = (xi-∑xi/n)(yi-∑yi/n)/Math.sqrt( (xi-∑xi/n)^2 * (yi-∑yi/n)^2) * * @param d1 * @param d2 * @return 相关系数 */ public static final double cor

评价指标 public class PerformanceMeasure { /** * 1、 FN：False Negative,被判定为负样本，但事实上是正样本。 * 2、 FP：False Positive,被判定为正样本，但事实上是负样本。 * 3、TN：True Negative,被判定为负样本，事实上也是负样本。 * 4、TP：True

直接上代码import com.javaPractice.MachineLearning.core.Instance;/** * 计算余弦相似度 */public class CosineSimilarity { public double calCosinDistance(Instance ins1, Instance ins2) { if (ins1.noAttrib

/**皮尔逊相关系数 *ρ =(∑xy - ∑x∑y/n)/(∑x^2 - (∑x)^2/n)(∑y^2-(∑y)^2/n)^0.5 */public class PersonCorrelationCoefficient { public double personCoefficient(Instance a,Instance b){ if (a.noAttribute

/**曼哈顿街区距离 */public class ManhattanDistance { public double manhattanDistance(Instance a,Instance b){ if (a.noAttributes() != b.noAttributes()) throw new RuntimeException("两个数据

斯皮尔曼排名相关系数/**斯皮尔曼排名相关系数 * Created by Administrator on 2017/4/9. */public class SpearmanRankCorrelation { /* 公式1： ρ = 1 - 6∑(xi-yi) / n(n^2 -1) 公式2： ρ = ∑(xi-x*)(yi-y*) / ( ∑(xi-x*)^