Классификация в Java

Question

У меня есть эти два класса

public class Iris_Setosa { 

private double sepal_length; 
private double sepal_width; 
private double petal_length; 
private double petal_width; 


//Constractor 
public Iris_Setosa(double s_length,double s_width,double p_length,double p_width) 
{ 
    this.sepal_length=s_length; 
    this.sepal_width=s_width; 
    this.petal_length=p_length; 
    this.petal_width=p_width; 
} 

public double sepal_length() 
{ 
    return this.sepal_length; 
} 

public double sepal_width() 
{ 
    return this.sepal_width; 
} 

public double petal_length() 
{ 
    return this.petal_length; 
} 

public double petal_width() 
{ 
    return this.petal_width; 
} 
} 

public class Iris_Versicolour { 
private double sepal_length; 
private double sepal_width; 
private double petal_length; 
private double petal_width; 


//Constractor 
public Iris_Versicolour(double s_length,double s_width,double p_length,double p_width) 
{ 
    this.sepal_length=s_length; 
    this.sepal_width=s_width; 
    this.petal_length=p_length; 
    this.petal_width=p_width; 

} 


public double sepal_length() 
{ 
    return this.sepal_length; 
} 

public double sepal_width() 
{ 
    return this.sepal_width; 
} 

public double petal_length() 
{ 
    return this.petal_length; 
} 

public double petal_width() 
{ 
    return this.petal_width; 
} 
} 

I определены два вектора и набор данных:

Vector <Iris_Setosa> I_Setosa = new Vector <Iris_Setosa>(); 
Vector <Iris_Versicolour> I_Versicolour = new Vector <Iris_Versicolouלr>(); 
//data 
I_Setosa.add(new Iris_Setosa (4.6,3.4,1.4,0.3)); 
I_Setosa.add(new Iris_Setosa (5.4,3.9,1.7,0.4)); 
I_Versicolour.add(new Iris_Versicolour(6.4,3.2,4.5,1.5)); 
I_Versicolour.add(new Iris_Versicolour(6.9,3.1,4.9,1.5)); 
....... 

Как мы классифицируем эти два вектора вместе для того, чтобы рассматриваться в качестве точек пространство?

Answer 1

Так что теперь у Вас есть новый образец, с = [4.7, 3.3, 1.5, 0.5]

Первый быстрый и грязный метод будет 1NN (K Ближайшие соседи с К = 1). В этом случае вы должны вычислить эвклидовое расстояние между s и каждый из ваших четырех очков.
Вы обнаружили, что четыре ваших четырех случая у вас есть расстояния 5.93, 6.40, 6.94 и 7.12. В этом случае вы выбираете первый образец обучения, так как он ближе всего, что приводит к предсказанию I_Setosa. Более конкретно, это был наиболее близок к Iris_Setosa (4.6,3.4,1.4,0.3)

Надеется, что это помогает