Python最小距离法

对Iris数据进行两个特征选取，共6种组合，计算类别可分性准则函数J值，得出最好的分类组合，画出各种组合的分布图； 2、使用前期作业里面的程序、对6种组合分别使用不同方法进行基于120个训练样本30个测试样本的学习误差和测试计算，方法包括：最小距离法（均值为代表点）、最近邻法、k近邻法（k取3、5...）等；

from pylab import mpl
mpl.rcParams[‘font.sans-serif‘]=[‘SimHei‘]#黑体
mpl.rcParams[‘axes.unicode_minus‘]=False  #显示负号
import matplotlib.pyplot as plt
import numpy as np

n=np.load（‘第一类训练数据.npy‘）
x1=n[:2]
y1=n[:3]

q=np.load（‘第二类训练数据.npy‘）
x2=q[:2]
y2=q[:3]

s=np.load（‘第三类训练数据.npy‘）
x3=s[:2]
y3=s[:3]

new1=np.load（‘测试数据.npy‘）#测试样本

a=np.mean（x1）
b=np.mean（y1）
c=np.mean（x2）
d=np.mean（y2）
e=np.mean（x3）
f=np.mean（y3）
mean1=[ab]
mean2=[cd]
mean3=[ef]

mean10=np.array（mean1）
mean20=np.array（mean2）
mean30=np.array（mean3）

d1=np.zeros（30）
d2=np.zeros（30）
d3=np.zeros（30）
for i in range（030）:
    d1[i]=np.linalg.norm（mean10-new1[i2:4]）
for i in range（030