数组 – 在scala中表示欧几里德距离的最简单方法

发布时间：2020-12-16 09:50:46 所属栏目：安全来源：网络整理

导读：我正在 Scala中编写一个数据挖掘算法,我想为给定的测试和几个列车实例编写欧几里德距离函数.我有一个带有测试和训练实例的Array [Array [Double]].我有一个方法,它针对所有训练实例循环遍历每个测试实例,并计算两者之间的距离(每次迭代选择一个测试和训练实

我正在 Scala中编写一个数据挖掘算法,我想为给定的测试和几个列车实例编写欧几里德距离函数.我有一个带有测试和训练实例的Array [Array [Double]].我有一个方法,它针对所有训练实例循环遍历每个测试实例,并计算两者之间的距离(每次迭代选择一个测试和训练实例)并返回一个Double.

比方说,我有以下数据点：

testInstance = Array(Array(3.2,2.1,4.3,2.8))
trainPoints = Array(Array(3.9,4.1,6.2,7.3),Array(4.5,6.1,8.3,3.8),Array(5.2,4.6,7.4,9.8),Array(5.1,7.1,4.4,6.9))

我有一个方法存根(突出显示距离函数),它返回给定测试实例周围的邻居：

def predictClass(testPoints: Array[Array[Double]],trainPoints: Array[Array[Double]],k: Int): Array[Double] = {

    for(testInstance <- testPoints)
    {
        for(trainInstance <- trainPoints) 
        {
            for(i <- 0 to k) 
            {
                distance = euclideanDistanceBetween(testInstance,trainInstance) //need help in defining this function
            }
        }
    }    
    return distance
}

我知道如何写一个通用的欧几里德距离公式：

math.sqrt(math.pow((x1 - y1),2) + math.pow((x2 - y2),2))

我有一些伪步骤,我希望该方法与函数的基本定义：

def distanceBetween(testInstance: Array[Double],trainInstance: Array[Double]): Double = {
  // subtract each element of trainInstance with testInstance
  // for example,// iteration 1 will do [Array(3.9,7.3) - Array(3.2,2.8)]
  // i.e. sqrt(3.9-3.2)^2+(4.1-2.1)^2+(6.2-4.3)^2+(7.3-2.8)^2
  // return result
  // iteration 2 will do [Array(4.5,3.8) - Array(3.2,2.8)]
  // i.e. sqrt(4.5-3.2)^2+(6.1-2.1)^2+(8.3-4.3)^2+(3.8-2.8)^2
  // return result,and so on......
  }

我怎么能在代码中写这个？

解决方法

因此,您放入的公式仅适用于二维向量.你有四个维度,但你应该编写你的功能以便灵活处理这个问题.所以请查看 this formula.

所以你真正想说的是：

for each position i:
  subtract the ith element of Y from the ith element of X
  square it
add all of those up
square root the whole thing

为了使这个更具功能性的编程风格,它将更像是：

square root the:
  sum of:
    zip X and Y into pairs
    for each pair,square the difference

所以这看起来像：

import math._

def distance(xs: Array[Double],ys: Array[Double]) = {
  sqrt((xs zip ys).map { case (x,y) => pow(y - x,2) }.sum)
}

val testInstances = Array(Array(5.0,4.8,7.5,10.0),Array(3.2,2.8))
val trainPoints = Array(Array(3.9,6.9))

distance(testInstances.head,trainPoints.head)
// 3.2680269276736382

至于预测课程,你也可以使它更具功能性,但目前还不清楚你想要回归的是什么.您似乎想要预测每个测试实例的类？也许选择与最近的训练点相对应的c级？

def findNearestClasses(testPoints: Array[Array[Double]],trainPoints: Array[Array[Double]]): Array[Int] = {
  testPoints.map { testInstance =>
    trainPoints.zipWithIndex.map { case (trainInstance,c) =>
      c -> distance(testInstance,trainInstance)
    }.minBy(_._2)._1
  }
}    

findNearestClasses(testInstances,trainPoints)
// Array(2,0)

或许你想要k近邻：

def findKNearestClasses(testPoints: Array[Array[Double]],k: Int): Array[Int] = {
  testPoints.map { testInstance =>
    val distances = 
      trainPoints.zipWithIndex.map { case (trainInstance,c) =>
        c -> distance(testInstance,trainInstance)
      }
    val classes = distances.sortBy(_._2).take(k).map(_._1)
    val classCounts = classes.groupBy(identity).mapValues(_.size)
    classCounts.maxBy(_._2)._1
  }
}    

findKNearestClasses(testInstances,1)

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!