9.20学习笔记（模型）

运用训练的模型文件进行预测

from sklearn.externals import joblib
import numpy as np
dataset=np.loadtxt(fname="tree.data",delimiter=",")
x_predict=dataset[0:10,0:8]
y_real=dataset[0:10,8]
gnbmodel=joblib.load(filename="Decisiontree.model")
y_predict=gnbmodel.predict(x_predict)
print("预测值")
print(y_predict)
print("真实值")
print(y_real)

结果：
预测值
[1. 1. 1. 0. 1. 0. 1. 0. 1. 1.]
真实值
[1. 1. 1. 0. 1. 0. 1. 0. 1. 1.]

聚类分析：是一个将数据集中后按照相似性划分为多个类别（簇）的过程。簇是相似数据的集合
聚类分析是一种无监督分类方法：数据集中的数据没有预定义的类别标号（无训练集和训练过程）
要求：应尽可能保证类别相同的数据之间具有较高的相似性，而类别不同的数据之间具有较低的相似性
可以根据每个簇中样本的数目获得数据集中每类数据的大体分布情况。
1.对数据进行聚类——粗分类
2.对每个簇进行特征提取和细分类可以有效提高分类精度
常用方法
1.划分法：以距离作为数据集中不同数据间的相似性度量，将数据集划分为多个簇（K-means，K-medoids）
2.层次法：对给定的数据集进行层次分解，形成一个树形的聚类结果（自顶向下法，自底向上法）

计算距离
对称的二值离散型属性：用简单匹配系数 SMC=（b+c）/(a+b+c+d)
不对称的二值离散型属性：用Jaccard系数 JC=(b+c)/(a+b+c)
不对称的二值离散型属性中，属性取值为1或者0不是同等重要。

两个样本xi=(xi1,xi2…,xid)和xj=(xj1,xj2,…,xjd)如何计算距离
1.简单匹配方法
d(xi,xj)=(d-u)/d
其中d为数据集中的属性个数，u为xi与xj取值相同的属性个数
20 44:49