Python中Scikit-learn如何实现最近质心分类_使用NearestCentroid-Python教程-PHP中文网

nearestcentroid适用于类别分布近似球形、边界近似线性、特征已标准化、类别数少而样本量大的场景；不支持缺失值和样本权重，质心为算术均值，曼哈顿距离下仍用欧氏均值导致几何直觉偏差。

python中scikit-learn如何实现最近质心分类_使用nearestcentroid

NearestCentroid 适合什么场景

NearestCentroid 不是黑盒模型，它只计算每个类别的样本均值作为“质心”，预测时把新样本分给欧氏距离最近的质心。这意味着它快、可解释、内存占用低，但对类别内分布不均衡或非凸形状的数据很敏感。

类别间边界近似线性且大致球形分布时效果稳定
特征已标准化（尤其量纲差异大时），否则距离会被大尺度特征主导
样本量大但类别数少（比如 10 个类别、10 万样本），训练几乎无开销
不能处理缺失值：fit() 会直接报 ValueError: Input contains NaN

为什么 predict() 结果和直觉不符

常见错因不是算法本身，而是预处理不一致或质心定义被误读：

NearestCentroid 默认用 未加权的算术平均 计算质心，不支持类别权重（sample_weight 被忽略）
如果某类样本极少（如只有 2 个点），它的质心可能严重偏离真实中心，导致预测偏移
使用 metric='manhattan' 时，质心仍是按欧氏意义计算的均值，只是距离度量换成了曼哈顿距离——这会导致“最近”结果与几何直觉冲突

示例：

from sklearn.neighbors import NearestCentroid
import numpy as np
X = np.array([[0, 0], [0, 1], [1, 0], [10, 10]])  # 前三样本属 class 0，最后属 class 1
y = np.array([0, 0, 0, 1])
clf = NearestCentroid()
clf.fit(X, y)
print(clf.centroids_)  # [[0.33, 0.33], [10., 10.]] —— class 0 质心被拉向原点附近
print(clf.predict([[0.5, 0.5]]))  # 输出 [0]，合理；但 [[9, 9]] 也会被判为 [0]（因 8.67 <h3>如何避免质心被异常值拖偏</h3><p><code>NearestCentroid</code> 本身不提供鲁棒质心选项，但可通过预处理缓解：</p><div class="aritcle_card flexRow artxards">
											<div class="artcardd flexRow">
												<a class="aritcle_card_img" rel="nofollow" href="/xiazai/skill5772" title="Python Use Agent"><img
														src="https://img.php.cn/upload/skill/000/000/081/179065807481489.jpg" alt="Python Use Agent" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
												<div class="aritcle_card_info flexColumn">
													<a rel="nofollow" href="/xiazai/skill5772" title="Python Use Agent" class="overflowclass">Python Use Agent</a>
													<p class="overflowclass">智能执行Python任务，自动生成、执行代码并反馈结果，无需额外配置，兼容旧命令。</p>
												</div>
												<a rel="nofollow" href="/xiazai/skill5772" title="Python Use Agent" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span>
												</a>
											</div>
										</div>

用 shrink_threshold 启用收缩版质心（即“shrunken centroid”）：对每个特征维度独立做阈值截断，抑制噪声维度影响
先对每类做离群点过滤（如用 LocalOutlierFactor 或 IQR），再拟合 NearestCentroid
改用 sklearn.cluster.KMeans 配合硬分配（虽非分类器，但可手动构建类中心）

关键参数行为：

shrink_threshold=0.1 表示将每维质心值压缩：若原始均值绝对值
shrink_threshold=None（默认）即不收缩，完全依赖原始均值

与 KNeighborsClassifier 的关键区别在哪

两者都靠距离判别，但机制完全不同：

NearestCentroid 是一次性建模：训练即算完质心，predict 是 O(k×n_features) 操作（k 为类别数）
KNeighborsClassifier(n_neighbors=1) 是懒学习：训练不计算，predict 时才遍历全部训练样本，复杂度 O(n_samples×n_features)
当训练集达百万级、类别仅十几个时，NearestCentroid 的内存和速度优势明显；但若类别边界高度不规则，它连 KNeighborsClassifier(n_neighbors=3) 的基础平滑能力都没有
NearestCentroid 不支持概率输出（predict_proba 报 AttributeError），也没 decision_function