假设我们有一些数据包含样本编号0,1,2,...,9
的特征,还有一个列表y
,其中包含对应于每个原始数据的0,1,...,9
标签。这些数据有维度(2006,256)
,其中256
是特征,2006
是样本编号
此外,我们还给出了0,1,2,...,9
作为v0,v1,v2,...,v9
的平均值,其中每个v0,v1,...,v9
都有维数(1,256)
我想计算所有2006
样本和v0,v1,v2,...,v9
样本之间的欧氏差,以便进行分类
为了做到这一点,我必须为每个样本取特征和v0,v1,v2,...,v9
之间的差异。例如,对于样本1
,我必须取256
特征和v0
之间的差异,然后用v1
等等,然后找到min
的差异
我定义ListV=[v0,v1,v2,...,v9]
我的密码是
diff=[]
ListV=[v0,v1,v2,v3,v4,v5,v6,v7,v8,v9]
for j in range(0,10):
i=np.where(y==j)
for k in range(0,len(i[0][:])):
for l in range(0,9-j):
diff.append(distance.euclidean(ListV[j+l],data[i[0][k],:]))
但是这个代码忽略了许多欧几里德的差异
我想得到一些帮助,以解决这个问题,并找到所有的差异
这个问题曾经发生在我身上。在这种情况下,我的数据集中有空数据,请确保您的数据具有定义值和实际值
相关问题 更多 >
编程相关推荐