def __check_predict_actual_y(predict_y: ndarray, actual_y: ndarray, *, name: str = 'predict_y') \
-> Tuple[ndarray, ndarray]:
predict_y = _t.c2r(predict_y)
actual_y = _t.c2r(actual_y)
if predict_y.shape[0] != actual_y.shape[0]:
raise DataNotMatchError('number of %s and actual_y do not match' %
name)
return predict_y, actual_y
def compute_centroids(x_mat: ndarray, idx_vec: ndarray):
"""
根据之前的聚类中心下标和样本，计算移动后的平均聚类中心值。
:param x_mat: 特征向量组，行数 m 表示样本数，列数 n 表示特征数
:param idx_vec: 聚类中心下标
:return: 新的聚类中心
"""
x_mat = __t.r2m(x_mat)
idx_vec = __t.c2r(idx_vec)
m, n = x_mat.shape
k = np.max(idx_vec) + 1
centroids = np.zeros((k, n))
cen_num = np.zeros((k, ))
for i in range(m):
centroids[idx_vec[i], :] = centroids[idx_vec[i], :] + x_mat[i, :]
cen_num[idx_vec[i]] = cen_num[idx_vec[i]] + 1
for i in range(k):
if cen_num[i] > 0:
centroids[i, :] = centroids[i, :] / cen_num[i]
return centroids
def feature_normalize(x_mat: ndarray, mean_row: ndarray = None, std_row: ndarray = None) \
-> Tuple[ndarray, ndarray, ndarray]:
"""
将 x_mat 的特征规范化和归一化，也就是缩放以使得不同的参数之间差距不要太大。
如果参数 mean_col 和 std_col 都提供了的话，就使用它们进行规范；否则就计算新的 mean_col 和 std_col。
可以用在线性回归、SVM、PCA 中。
截距列不会被规范化。
:param x_mat: 特征向量组，行数 m 表示样本数，列数 n 表示特征数
:param mean_row: 每列特征值的平均值行向量
:param std_row: 每列特征值的标准行向量
:return: 规范化后的特征向量组，原来的特征向量组不会被影响；每个特征的平均值向量；每个特征的标准差向量
"""
x_mat, has_ones = __t.delones(x_mat)
if mean_row is not None:
mean_row = __t.c2r(mean_row)
if std_row is not None:
std_row = __t.c2r(std_row)
n = x_mat.shape[1]
if mean_row is not None and std_row is not None and \
n != mean_row.shape[0] and mean_row.shape[0] != std_row.shape[0]:
raise DataNotMatchError(
'x_mat\'s feature num does not match mean_row, std_row')
# 转换数据类型防止计算精度丢失
x_norm = __t.i2f_dtype(x_mat.copy())
if mean_row is None and std_row is None:
mean_row = np.mean(x_norm, axis=0)
# ddof 设置为 1 表示计算样本方差，不设置表示计算总体方差
std_row = np.std(x_norm, ddof=1, axis=0)
x_norm = (x_norm - mean_row) / std_row
if has_ones:
x_norm = np.hstack((np.ones((x_norm.shape[0], 1)), x_norm))
return x_norm, mean_row, std_row
def probability(self, x_mat: ndarray) -> Union[ndarray, float]:
"""
返回对应于 x_mat 的预测概率。如果是二分类问题，那么返回一个行向量；如果是多分类问题，返回一个
m*num_labels 的矩阵，其中每一行表示样本在每个类上的概率。
:param x_mat: 特征向量组，行数 m 表示样本数，列数 n 表示特征数
:return: 预测概率。
"""
if self._thetas is None:
raise StateError('not trained yet')
x_mat = _t.addones(x_mat)
if x_mat.shape[1] - 1 != self.layer_nodes[0]:
raise DataNotMatchError(
'feature number and input layer node number mismatch')
return _t.ret(_t.c2r(self.__feedforward(self._thetas, x_mat)[-1]))
def predict(self, x_mat: ndarray) -> Union[ndarray, int]:
"""
返回预测值，是对应于 x_mat 的标记。
:param x_mat: 特征向量组，行数 m 表示样本数，列数 n 表示特征数
:return: 预测标记
"""
if self._thetas is None:
raise StateError('not trained yet')
x_mat = _t.addones(x_mat)
if x_mat.shape[1] - 1 != self.layer_nodes[0]:
raise DataNotMatchError(
'feature number and input layer node number mismatch')
a = self.__feedforward(self._thetas, x_mat)[-1]
if len(self.labels) == 2:
return _t.ret(
_t.convert_y(self.labels,
_t.c2r(a >= self.threshold),
to=False))
else:
return _t.ret(self.labels[np.argmax(a, axis=1)])
def y_cv(self, value: Optional[ndarray]):
if value is not None:
self._y_cv = _t.c2r(value)
else:
self._y_cv = None