【20200401】数据挖掘DM课程课业打卡四

╰+攻爆jí腚メ 2023-07-20 12:29 68阅读 0赞

### 【20200401】数据挖掘DM课程课业打卡四 ###

*  一、填空题
 *  二、知识点巩固
 *   *  1、简单属性的相似度&相异度
     *  2、数据对象的相异度 : 欧氏距离
     *  3、数据对象之间的相似度
     *  4、简单匹配&Jaccard 系数
     *  5、余弦相似度
     *  6、相关性
     *  7、距离的性质
     *  8、关于最近邻分类器
     *  9、关于最近邻分类器之KNN算法

***叮嘟！这里是小啊呜的学习课程资料整理。好记性不如烂笔头，今天也是努力进步的一天。一起加油进阶吧！***  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center]

# 一、填空题 #

1、x=\[1,2,0,2,0\],y=\[2,2,2,0,2\],两者之间的夹角余弦相似度为 \_\_\_\_。

正确答案：1/2；

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 1]

2、x=\[1,3,0,2\],y=\[2,3,2,0\],两者之间的欧几里得距离为 \_\_\_\_。

正确答案：3

![在这里插入图片描述][20200401233723671.png_pic_center]  
3、x=\[0,1,1,0,0\],y=\[1,1,0,0,1\],两者之间的Jaccard相似性系数为 \_\_\_\_。

正确答案： 1/4；

![在这里插入图片描述][202004012338536.png_pic_center]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 2]  
4、x=\[0,1,1,0,0\],y=\[1,1,0,0,1\],两者之间的简单匹配系数为 \_\_\_\_。

正确答案：2/5；

![在这里插入图片描述][20200401233833675.png_pic_center]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 3]  
5、已知有5个训练样本，分别为

样本1，属性为：[2,0,2]  类别 0
    样本2，属性为：[1,5,2]  类别 1
    样本3，属性为：[3,2,3]   类别 1
    样本4，属性为：[3,0,2]   类别  0
    样本5，属性为：[1,0,6]   类别 0

有1个测试样本，属性为：\[1,0,2\]

（1）测试样本到5个训练样本（样本1、2、3、4、5）的欧氏距离依次为： \_\_\_\_、 \_\_\_\_ 、 \_\_\_\_、 \_\_\_\_ 、 \_\_\_\_。

正确答案：1;5;3;2;4;

（2）K=3，距离测试样本最近的k个训练样本依次为：样本 \_\_\_\_、样本 \_\_\_\_ 、样本 \_\_\_\_。

正确答案：1;4;3

**注意点：**

此处样本排列顺序不是按照样本序号大小排列，而是按照距离大小排列。
    （按照距离从小到大排列）

（3）距离最近的k个训练样本类别依次为：类别 \_\_\_\_、类别 \_\_\_\_ 、类别 \_\_\_\_。

正确答案：0;0;1

**注意点：**

此处样本排列顺序不是按照样本序号大小排列，而是按照距离大小排列。
    （按照距离从小到大排列）

（4）KNN算法得到的测试样本的类别为：类别 \_\_\_\_。

正确答案：0                          
    利用距离加权表决判断。

关于KNN算法：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 4]

6、考试成绩定义为“优”、“良”、“中”、“差”四种，属性“良”和“中”之间的相异度为 \_\_\_\_。  
（答案可以写成分数或小数形式，小数形式保留小数点后2位）

正确答案：1/3;

![在这里插入图片描述][20200401234100762.png_pic_center]

# 二、知识点巩固 #

## 1、简单属性的相似度&相异度 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 5]

## 2、数据对象的相异度 : 欧氏距离 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 6]

## 3、数据对象之间的相似度 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 7]

## 4、简单匹配&Jaccard 系数 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 8]

## 5、余弦相似度 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 9]

## 6、相关性 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 10]

## 7、距离的性质 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 11]

## 8、关于最近邻分类器 ##

最近邻（nearest neighbor）：
    和测试样例的属性相对接近的所有训练记录，称为（测试样例的）的最近邻。
    利用最近邻可以对测试样例进行分类。

最近邻分类器把每个样例看做 d 维空间上的一个数据点，其中 d 是属性个数。给定一个测试样例，利用任意一种邻近性度量，计算该测试样例与训练集中其他数据点的邻近度。给定样例 z 的 k- 最近邻是指和 z 距离最近的 k 个数据点。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 12]

## 9、关于最近邻分类器之KNN算法 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 13]

**Ending！**  
更多课程知识学习记录随后再来吧！

就酱，嘎啦！

![在这里插入图片描述][20200207152559955.png_pic_center]

注：  
人生在勤，不索何获。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center]: /images/20230528/65b32e4b4efe406f8ad91dfaf43e2f08.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20230528/cf1b3632c18c4b21bfce63f012f96dee.png
[20200401233723671.png_pic_center]: /images/20230528/bb0a26c9915d48db8ec928fe74c9629f.png
[202004012338536.png_pic_center]: /images/20230528/bbc4032db0444af1aa68ef4cf7bdd2e7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20230528/12c2a6fe469f421ca5375c16bf6df95b.png
[20200401233833675.png_pic_center]: /images/20230528/029c0ff4277146c1bd9750cfcf73fde0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20230528/bce198b8c5f94583bed5a899575c408b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 4]: /images/20230528/4e17f59c79ee4ee28ea83ce1522e20ec.png
[20200401234100762.png_pic_center]: /images/20230528/9912167f033348098a2f87e58a98c381.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 5]: /images/20230528/809e60d549c74f95a3d07dd0b1d78d02.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 6]: /images/20230528/4632536f537c411ebc226ec86867a06d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 7]: /images/20230528/63020f5c91254c22adf05cf149bbc355.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 8]: /images/20230528/85383e11f6e5434d863f6595a6ae8186.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 9]: /images/20230528/c9f12fbc0be24e4f929d3db93aa2b2b8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 10]: /images/20230528/3079a3a2e2404175a5fb049fd818168d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 11]: /images/20230528/1ec090459d794664bd1b2064505e7166.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 12]: /images/20230528/39e15766273644d2af4e1d6b7a0c60a9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQzNTQzNzg5_size_16_color_FFFFFF_t_70_pic_center 13]: /images/20230528/c04f4b5034944d81802a8acb764c83cc.png
[20200207152559955.png_pic_center]: /images/20230528/06dae6417401432793cffafef9ab18e1.png