【Python实例第16讲】特征集聚

本文通过Python实例介绍了如何应用特征集聚方法,将相似特征合并。使用了手写数字识别数据集,通过聚类将8*8像素的矩阵重塑为二维数组,并进行特征集聚。最后展示了集聚后的手写数字图像。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

机器学习训练营——机器学习爱好者的自由交流空间(入群联系qq:2279055353)

本例演示如何使用特征集聚(feature agglomeration)将相似的特征合并到一起。所谓“特征集聚”,是指迭代地将相似的特征合并到一起,类似于聚类,但这里聚的是特征而不是样本。本例使用的数据集是手写数字识别数据集。

实例详解

首先,导入必需的库。

import numpy as np
import matplotlib.pyplot as plt

from sklearn import datasets, cluster
from sklearn.feature_extraction.image import grid_to_graph

导入手写数字数据集digits, 它是一个三维数组(1797, 8, 8). 即,有1797个手写数字,每个数字由8*8的像素矩阵组成。在这里,我们使用numpy库的reshape函数将它变成(1797, 64)的二维数组。

digits = datasets.load_digits()
images = digits.images
X = np.reshape(images, (len(images), -1))
connectivity = grid_to_graph(*images[0].shape)

使用cluster模块的FeatureAgglomeration方法进行特征集聚。在这里,指定聚类数为32,每个特征的邻居特征的连接形式由参数connectivity指定,它是一个矩阵。然后,在reshape的数组X上拟合、变换。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值