Python 中具有不确定数据的 Knn 的最高度量
Supremum Metric in Python for Knn with Uncertain Data
我正在尝试使用 python 为 不确定数据 （例如范围数据）制作分类器。在某些数据集中，列表是一个二维数组或记录数组（包含数据的浮点数和标签的字符串），其中在不确定的数据集 该列表是一个 3D 数组（包含数据的浮点数范围和标签的字符串）。我设法使用均匀概率分布将某个数据集操纵为不确定的。一篇研究论文说我必须使用上界距离度量。我如何在 python 中实施此指标？注意在不确定的数据集中，测试集和训练集都是不确定的
我发现在标准 knn 中使用 scipy 空间距离和调整 for 循环有很大帮助
我正在尝试使用 python 为 不确定数据 （例如范围数据）制作分类器。在某些数据集中，列表是一个二维数组或记录数组（包含数据的浮点数和标签的字符串），其中在不确定的数据集 该列表是一个 3D 数组（包含数据的浮点数范围和标签的字符串）。我设法使用均匀概率分布将某个数据集操纵为不确定的。一篇研究论文说我必须使用上界距离度量。我如何在 python 中实施此指标？注意在不确定的数据集中，测试集和训练集都是不确定的
我发现在标准 knn 中使用 scipy 空间距离和调整 for 循环有很大帮助