主页 / 问题 / 848904
Accepted
Adam Shakhabov
Asked:2020-07-01 21:39:06 +0000 UTC2020-07-01 21:39:06 +0000 UTC

为包含直角坐标系元素的聚类方案准备数据

  • 772

有格式的文本文件scheme{N}.txt，其中包含格式中的行：

x – значение координаты X, 
y – значение координаты Y, 
w – ширина элемента,
y – высота элемента,
type – тип элемента (1-прямоугольник, 2-круг)

描述位于图表上的元素。一个文件 - 一个方案，一行 - 一个元素。

例如，有两种方案：

在此处输入图像描述

在此处输入图像描述

使用您的文本文件：

方案1.txt

200,200,400,100,1
1100,200,400,100,1
700,450,350,200,2

方案2.txt

200,200,400,200,1
1100,200,400,200,1
700,300,350,150,2
350,550,950,100,1

一个任务

当然，这样的文件有数百个，现在有必要使用聚类对这些方案进行分组，在一组中会有元素布局和空间排列scheme{N}.txt最相似的方案（文件名）。例如，上述两种方案可以被认为是相似的，因此被定义在一组中。

问题

根据任务，如何为聚类准备数据？明明这是 ML，不可能有明确的推荐，但不知道从何说起。如果您在指示性描述的帮助下尝试，因为事实证明模式对象（训练样本）必须由一组元素对象来描述。请告诉我应该寻找解决方案的方向。

.NET 的机器学习框架

作为一名 .NET 开发人员，我仍然计划使用 .NET 的 ML 框架之一来实现整个事情：ML.NET，它现在正在开发中，但是集群已经允许或Accord.NET Framework，同志由于它的年龄，它的 API 最丰富。

c#

2 个回答

  1. 通常，在聚类任务中，我们通过对象之间的距离或相似性将对象选择/分组到集群中。

    在您的情况下，对象是文件（模式）。

    您必须实现一个函数来计算两个文件的距离（相似因子）并尝试使用它。以“余弦相似度”为例。在计算相似度之前，最好将矩阵的最后一列（元素类型）进行转换，使其与其余列的维数大致相同——例如，将图形的类型（数字1、2）替换为正方形这个图的面积的根。那么所有 5 列将被测量为相同的值，并且在计算"cosine similarity"列的值时将被视为向量在五维空间中的对应坐标。

    PSAccord.NET我不知道该怎么做...

    • 2
  2. Best Answer

    Python 示例（使用模块：Numpy、Pandas、SciKit-Learn）。

    源文件：

    1.csv：

    x,y,width,height,type
200,200,400,100,1
1100,200,400,100,1
700,450,350,200,2

    2.csv：

    x,y,width,height,type
200,200,400,200,1
1100,200,400,200,1
700,300,350,150,2
350,550,950,100,1

    编码：

    import numpy as np
import pandas as pd
from sklearn.metrics.pairwise import cosine_similarity

d1 = pd.read_csv("c:/temp/1.csv")
d2 = pd.read_csv("c:/temp/2.csv")

    计算cosine similarity：

    In [100]: cosine_similarity(d1, d2)
Out[100]:
array([[0.98270769, 0.73080017, 0.83385344, 0.98572935],
       [0.69779772, 0.99657013, 0.97078395, 0.6421735 ],
       [0.83795773, 0.93404102, 0.98752559, 0.79018104]])

    那些。考虑第一个文件的第一行与第二个文件的所有 4 行的相似性（我们在第一个文件的第一行的第一行中有 4 个元素，等等），即 结果，我们得到一个维度矩阵(число строк первого файла, число строк второго файла)。

    您可以将整个矩阵的平均值作为文件相似性的衡量标准（您需要在实践中尝试使用这种方法处理许多文件以了解它是如何“工作”的）：

    In [101]: cosine_similarity(d1, d2).mean()
Out[101]: 0.8658434435935128
    • 1

相关问题