机器学习 习题4答案.docx

习题4

一简答题

1.聚类是一种无监督的学习算法，就是按照某个特定标准（如距离准则）把一个数据集分割成不同的簇（簇也称为类），使得同一个簇内的数据对象的相似性尽可能_____，同时不在同一个簇中的数据对象的差异性也尽可能地______。（回答大或小）

答：大；大。

2.闵可夫斯基距离公式d=pk=1n|x1k-x2k|p，当p=1

答：曼哈顿距离；欧几里得距离；切比雪夫距离

3.对于高维空间的任意2个坐标点，欧几里得距离、曼哈顿距离、切比雪夫距离三者的大小关系是：______=_______=________

答：曼哈顿距离=欧几里得距离=切比雪夫距离

4.哪一种距离指标是衡量两个向量夹角的余弦，只考虑向量的方向，不考虑向量的大小？

答：余弦相似度

二计算题

1.计算x(1,2)和y(3,4)之间的曼哈顿距离、欧几里得距离、切比雪夫距离、余弦相似度。

解：（1）曼哈顿距离d=2+2=4

（2）欧几里得距离d=sqrt(4+4)=2.828

（3）切比雪夫距离d=max(2,2)=2

（4）余弦相似度cosθ=(3+8)/(sqrt(1+4)*sqrt(9+16))=0.984

2.聚类1有2个点x1(0,1)、x2(1,0)。聚类2有2个点y1(5,6)和y2(6,5)。计算轮廓系数。距离指标用曼哈顿距离。

解：a_x1=1+1=2

b_x1=((5+5)+(6+4))/2=10

s_x1=(b_x1-a_x1)/max(a_x1,b_x1)=0.8

a_x2=2;b_x2=10;s_x2=0.8

a_y1=2;b_y1=10;s_y1=0.8

a_y2=2;b_y2=10;s_y2=0.8

SC=0.8*4/4=0.8

三编程题

1.用Python进行聚类编程，完成以下要求：

（1）导入sklearn自带数据集breast_cancer，显示相关信息，然后将数据集分为训练集和测试集。

#将sklearn自带数据集breast_cance分为训练集和测试仪集

#将sklearn自带数据集breast_cance分为训练集和测试仪集

fromsklearn.datasetsimportload_breast_cancer

#导入数据

breast_cancer=load_breast_cancer()

X=breast_cancer.data

y=breast_cancer.target

print(数据集的长度：,len(breast_cancer))

print(数据集的类型：,type(breast_cancer))

#查看数据集信息print(数据集的数据为：,\n,X)

print(数据集的数据：\n,X)

print(数据集的标签：\n,y)

#取出数据集的特征名

breast_cancer_names=breast_cancer[feature_names]

print(数据集的特征名：\n,breast_cancer_names)

print(原始数据集数据的形状：,X.shape)

print(原始数据集标签的形状：,y.shape)

#将数据集划分为训练集和测试集

fromsklearn.model_selectionimporttrain_test_split

breast_cancer_data_train,breast_cancer_data_test,breast_cancer_target_train,\

breast_cancer_target_test=train_test_split(X,y,test_size=0.2,random_state=42)

print(训练集数据的形状：,breast_cancer_data_train.shape)

print(训练集标签的形状：,breast_cancer_target_train.shape)

print(测试集数据的形状：,breast_cancer_data_test.shape)

print(测试集标签的形状：,breast_cancer_target_test.shape)

（2）对breast_cancer数据集进行标准化和归一化操作。

#对breast_cancer数据集进行标准化和归一化

fromsklearn.datasetsimportload_breast_cancer

#导入数据

breast_cancer=load_breast_cancer()

X=breast_cancer.data

y=breast_cancer.target

print(数据集的长度：,len(breast_can