机器学习- ML-KNN算法实现多标签问题的聚类

ML_KNN

需要的数学定义：

• m为样本总个数；
• K为最邻近的个数；
• Y为所有标签的集合，总个数为 n；
• $l$为具体的一个标签，默认为标签 1；
• X 为一个实例；
• $Y_x$为实例 X所对应的标签集合；
  ${Y_{x}}$ 是实例x 的标签向量，是1*n的one-hot行向量，元素所对应的标签若为1，则该实例有标签；
  N(x) 为实例x的k个最邻近的个体。
  然后可以得到输入的实例的所对应的K个邻居的标签信息： $$C_{x}(l)=\sum Y_{Xn}\ Xn\epsilon N(x)$$ 其中$C_{x}(l)$ 是一个 1*n 的向量，每一元素指对于该标签，X实例的K个邻居中有多少个拥有这个标签。

具体操作

对于一个实例X，首先得到它的K个邻居的集合 N(x)，定义 H