机器学习（模式识别）给定A（1,101,180,204,280）B（56,102,140,204,250,500）其中,A B中的元素2和元素4相同或相近,划分成一类求X（87,102,150,204,300,700）属于这个类么?肉眼就能看出属于,但是当数据巨大

机器学习（模式识别）给定A（1,101,180,204,280）B（56,102,140,204,250,500）其中,A B中的元素2和元素4相同或相近,划分成一类求X（87,102,150,204,300,700）属于这个类么?肉眼就能看出属于,但是当数据巨大
机器学习（模式识别）
给定
A（1,101,180,204,280）
B（56,102,140,204,250,500）
其中,A B中的元素2和元素4相同或相近,划分成一类
求X（87,102,150,204,300,700）属于这个类么?肉眼就能看出属于,但是当数据巨大的时候,如何用模式识别的算法或者机器学习自动划分X属于此类呢?

机器学习（模式识别）给定A（1,101,180,204,280）B（56,102,140,204,250,500）其中,A B中的元素2和元素4相同或相近,划分成一类求X（87,102,150,204,300,700）属于这个类么?肉眼就能看出属于,但是当数据巨大
这个已经给定了向量了 只要设计算法就可以.
像这种,我觉得k-means聚类方法很好.你可以去网上搜搜.这种实现方式
当然,要是你自己不想写代码,建议你直接使用开源的工具吧,比如weka,做这个很简单.只要把这些数据读到weka类型的文件中就可以.
我从楼下看到你不怎么会理解训练模型,其实训练的意思,就是构造模型参数,在weka中其实就一句话.
另外,实在你连weka 都懒得用,有一个聚类小工具叫gcluto.直接用这个也可以看出.要是这个工具不怎么会用,私信我.