及时雨能量豆-如何使用scikits-learn机器学习库，分配能量豆？

原文链接：https://mbd.baidu.com/newspage/data/landingshare?pageType=1&context=%7B%22nid%22%3A%22news_9119158847183908758%22%7D

原文标题：及时雨能量豆--如何使用scikits-learn机器学习库，分配能量豆？

新标题：

【注：本文作者原创作品，未经允许禁止抄袭。侵权必究！全网追踪】

那是一个阴森森的夜晚，很多植物们都回外地老家过春节了，只有土豆地雷和豌豆射手留守阵地。忽然，狂风大作，吹来一片片黑压压的乌云，伴随着轰隆隆的雷声，豆粒大的雨点不断的从天上掉下来。在大雨的掩护下，走来了一大群戴着领带的僵尸，他们有的空着手，有的拿铁锹，有的拿报纸，僵尸们数不胜数。

情况紧急！来不及细想，土豆地雷就以最快的速度，抵达草坪上的战斗位置。一瞬间，花园的草坪上，整整齐齐的铺满了土豆地雷。豌豆射手则在靠着房子的草地上，不停的发射豌豆子弹。

轰，轰，轰！一个又一个僵尸踩踏了土豆地雷，被炸的粉身碎骨。但是，僵尸们仍然前仆后继地扑了过来。僵尸们唱着歌，”西方黑，太阳降，月亮照着大僵王，僵王是我们的好博士，我要为他添光芒。转基因植物很可恶，我要把它消灭光。” 一个个僵尸，踩着被土豆地雷炸飞的同伴的尸体，前进，前进，再前进，终于来到了豌豆射手跟前。

这时，豌豆射手已经精疲力尽，弹尽粮绝了。他发射的豌豆子弹，像棉花一样，软软的，打在僵尸身上，简直就像是在挠痒痒。僵尸们眼看就要开始要手撕豌豆射手了。豌豆射手赶紧唱起了紧急情况下使用的《能量豆之歌》“能量豆，像朵花，我们都很喜欢它。摸摸能量豆，本领就变大。啦啦啦，啦啦啦！”

这时，天空中飞来一个飞碟瓜，在豌豆射手头上，扔下一大堆能量豆，就飞走了。豌豆射手吃了能量豆，立即爆发出了巨大的能量，“砰，砰，砰”，他瞬间发射了一堆豌豆子弹，撂倒了一排又一排的僵尸。这时，三重射手，双向射手，冰西瓜投手，玉米投手，火爆辣椒都先后赶到增援， 他们一起努力，终于打退了僵尸们的进攻.

战斗结束后，豌豆射手好奇地问飞碟瓜："我收到能量豆，就像下了一场及时雨，你来的真是刚刚好呀！为什么我一唱《能量豆之歌》，你总是能够及时送来足够的能量豆？ 其实我也知道，仓库里的能量豆很珍贵，好几个植物花园里的植物们，都很喜欢能量豆。你是否有什么秘诀，做到一收到请求，就能马上提供足够数量的能量豆呢？“

飞碟瓜笑哈哈的说：“这是一个好问题。简单来说，我是根据一个规则来投放能量豆的，就是，僵尸越密集的地方，我投放的能量豆就越多。”

“可是，虽然我知道你能时实时知道每个地方的僵尸的数量，但是，地球这么大，花园这么多，你是靠肉眼去判断哪个地方的僵尸密集程度大吗？”豌豆射手好奇的问道。

“当然不是啦。如果靠眼睛，我可就一天到晚无法睡觉，而且时间长了，判断有可能不准确。我使用的是python编程语言的scikit-learn机器学习库，它可以自动判定僵尸们的密集程度，从而协助合理分配能量豆，我就再也不会听到植物们说能量豆分配不公平的投拆了。”飞碟瓜说。

“那能告诉我具体一点的计算过程吗？” 豌豆射手问。

“可以”。你听好了。“飞碟瓜开始了详细的讲解。我先确定每个僵尸的位置坐标（横坐标和纵坐标），并且对其聚类，就是把那些距离很近的僵尸们，分配到同一个类里面。这只是机器学习库scikits-learn的众多技术中的其中一个应用领域。聚类分析是一种机器学习算法，它根据相似程度，把对象分组。

--

一、生成僵尸们的位置坐标位置数据。

经过侦察，得到僵尸们在星球上的经度和纬度的地理位置，生成横轴坐标和纵轴坐标。现在模拟生成在30个随机的僵尸的坐标位置。

import numpyimport sklearn.clusterimport pygameimport sysarrayPositions=numpy.random.randint(0,400,size=(30,2))

In [2]: arrayPositionsOut[2]: array([[ 62, 225],[ 55, 103], [146, 339], [148, 66], [134, 326], [ 2, 305], [126, 7],[395, 339], [233, 114], [ 57, 337], [ 84, 232], [280, 298],[ 84, 187], [189, 220], [ 22, 108], [116, 95], [232, 114], [386, 257], [128, 289], [ 22, 79], [143, 325], [346, 366], [362, 117], [269, 268], [221, 181],[ 23, 185], [266, 352], [214, 42], [394, 336], [142, 236]])

二、计算亲和度矩阵 (affinity metric)

在这里，亲和度矩阵就是指哪些僵尸们之间的距离比较近。在这里，我对源数据，采用了欧氏距离(Euclidean Distance)，来计算亲和度矩阵。亲和度矩阵是指一个装载有亲和度数值的矩阵，在这里，亲和度数值， 用欧氏距离表示。

欧氏距离，源自欧氏空间中，两点间的距离公式：二维平面上两点a(x1,y1)与b(x2,y2)间的欧氏距离：

欧氏距离的公式

arrayPositions_norms=numpy.sum(arrayPositions **2,axis=1)arrayS=-arrayPositions_norms[:,numpy.newaxis]-arrayPositions_norms[numpy.newaxis,:]+2*numpy.dot(arrayPositions,arrayPositions.T)In [3]: arrayPositions_normsOut[3]: array([ 54469, 13634, 136237, 26260, 124232, 93029, 15925, 270946,67285, 116818, 60880, 167204, 42025, 84121, 12148, 22481, 66820, 215045, 99905, 6725, 126074, 253672, 144733, 144185, 81602, 34754, 194660, 47560, 268132, 75860])In [4]: arraySOut[4]: array([[ 0, -14933, -20052, -32677, -15385, -10000, -51620, -123885, -41562, -12569, -533, -52853, -1928, -16154, -15289, -19816, -41221, -106000, -8452, -22916, -16561, -100537, -101664, -44698, -27217, -3121, -57745, -56593, -122545, -6521], （因为数字太多，此处省略中间的大部分数字） [ -6521, -25258, -10625, -28936, -8164, -24361, -52697, -74618, -23165, -17426, -3380, -22888, -5765, -2465, -30784, -20557, -22984, -59977, -3005, -39049, -7922, -58516, -62561, -17153, -9266, -16762, -28832, -42820, -73504, 0]])

三、聚类分析

经过上一个步聚，可以把每一个僵尸的位置数据，分类到不同的类或者簇。类的标签，指明了相应的簇的号码。就是说，每一个僵尸，按照距离其他的僵尸的距离远近，分为若干个小组，并且给每个小组编号，并且把小组编号，附加在僵尸的标签上。

aff_pro=sklearn.cluster.AffinityPropagation().fit(arrayS)arrayLabels=aff_pro.labels_

In [5]: arrayLabelsOut[5]: array([4, 0, 4, 0, 4, 4, 0, 3, 2, 4, 4, 1, 4, 4, 0, 0, 2, 3, 4, 0, 4, 3,3, 1, 2, 0, 1, 2, 3, 4])

四、绘出多边形图

为分出来的每一个簇，画一个多边形。这个函数需要一个位置坐标的列表，设置颜色，以及一个平面.

listPolygon_points=[]for i in range(max(arrayLabels)+1):listPolygon_points.append([])for i,l in enumerate(arrayLabels): listPolygon_points[l].append(arrayPositions[i]) pygame.draw.polygon(screen,(255,0,0),listPoint)

In [9]: listPointOut[9]: [array([ 62, 225]),array([146, 339]), array([134, 326]), array([ 2, 305]), array([ 57, 337]), array([ 84, 232]), array([ 84, 187]), array([189, 220]), array([128, 289]), array([143, 325]), array([142, 236])]In [10]: listPolygon_pointsOut[10]: [[array([ 55, 103]), array([148, 66]), array([126, 7]), array([ 22, 108]), array([116, 95]), array([22, 79]), array([ 23, 185])], [array([280, 298]), array([269, 268]), array([266, 352])], [array([233, 114]), array([232, 114]), array([221, 181]), array([214, 42])], [array([395, 339]), array([386, 257]), array([346, 366]), array([362, 117]), array([394, 336])], [array([ 62, 225]), array([146, 339]), array([134, 326]), array([ 2, 305]), array([ 57, 337]), array([ 84, 232]), array([ 84, 187]), array([189, 220]), array([128, 289]), array([143, 325]), array([142, 236])]]

画出来的图，可能是这样子的：

显示僵尸的聚集程度图表

五、显示的主窗口的设置 pygame.init()screen=pygame.display.set_mode((400,400))screen.fill((255,255,255))boolLoop=Truewhile boolLoop:for listPoint in listPolygon_points: pygame.draw.polygon(screen,(255,0,0),listPoint) pygame.display.update() for objEvent in pygame.event.get(): if objEvent.type == pygame.QUIT: pygame.display.quit() pygame.quit() sys.exit boolLoop=False print ('exit success')

的代码

【注：本文作者原创作品，未经允许禁止抄袭。侵权必究！全网追踪】