跳到主要内容

案例11.1

题目：试编程实现Relief算法，并考察其在西瓜数据集3.0上的运行结果。
 机器学习11.1.zip 步骤1：如图搭建模板。 image.png

步骤2：在文件上传内分别上传西瓜训练集。
西瓜数据集.csv

步骤3：在“Python脚本编辑器”中，配置如下参数，并设置如下自定义代码块 image.png

def run(in1 = None):
    import numpy as np
    import pandas as pd
    def Relief(X,Y):
        # Relef算法
        # 输入：
        #     X：样本数据，列表类型，允许连续型和离散型数据，维度为样本数×特征数
        #     Y: 类标记，列表或者numpy.array类型，这里仅考虑2分类情况
        # 输出：
        #     r:计算出的相关统计量，对应于教材上的(11,3)式，长度为特征数
        X=np.asarray(X)
        Y=np.asarray(Y).reshape(-1)
        m=len(X)        #样本数
        n=len(X[0])     #特征数

        types=np.array([type(xj) for xj in X[0]])          #各个特征的类型
        d_index=np.where(types==str)[0]                    #离散属性序号
        c_index=np.where((types==int)|(types==float))[0]   #连续属性序号
        Xd=np.array([[x[i] for i in d_index] for x in X])  #X之离散属性部分
        Xc=np.array([[x[i] for i in c_index] for x in X])  #X之连续属性部分
        Xc=(Xc-Xc.min(0))/(Xc.max(0)-Xc.min(0))            #连续值部分规范化到[0,1]区间

        r=np.zeros(n)                                      #存储相关统计量
        for i in range(m):
            # 计算xi与所有样本的距离平方(等号右边两项分别为离散和连续特征贡献)
            dist2=(Xd[i,:]!=Xd).sum(1)+((Xc[i,:]-Xc)**2).sum(1)
            # 同类最近邻
            dist2_nh=dist2.copy()                #拷贝距离副本
            dist2_nh[i]=max(dist2)+1             #自身距离本为0，将其强制设为较大值
            dist2_nh[Y!=Y[i]]=max(dist2)+1       #异类距离也设为较大值
            nh_index=np.argmin(dist2_nh)         #同类中最近邻样本的索引号
            r[d_index]-=Xd[i]!=Xd[nh_index]      #r之离散属性部分
            r[c_index]-=(Xc[i]-Xc[nh_index])**2  #r之连续属性部分
            # 异类最近邻
            dist2_nm=dist2.copy()                #拷贝距离副本
            dist2_nm[Y==Y[i]]=max(dist2)+1       #同类距离设为较大值
            nm_index=np.argmin(dist2_nm)         #异类中最近邻样本的索引号
            r[d_index]+=Xd[i]!=Xd[nm_index]      #r之离散属性部分
            r[c_index]+=(Xc[i]-Xc[nm_index])**2  #r之连续属性部分

        return r
    X=in1[['色泽','根蒂','敲声','纹理','脐部','触感','密度','含糖率']]
    Y=in1[['好瓜']]
    r=Relief(X,Y)
    res=pd.DataFrame({"id":[1]})
    for i,j in enumerate(['色泽','根蒂','敲声','纹理','脐部','触感','密度','含糖率']):
        res[j]=r[i]
    del res["id"]
    return res

步骤4：点击运行->全部运行，右键Python脚本编辑器->结果数据->预览，结果如下： image.png 该结果计算了每一个特征的分值，其中脐部是分值最高的特征。