pysal.viz.mapclassify.Fisher_Jenks¶

class pysal.viz.mapclassify.Fisher_Jenks(y, k=5)[源代码]¶

Fisher-Jenks最优分类器-基于均值

参数:	y : 数组 （n，1），要分类的值 k : 利息 需要的类数

实例

>>> import pysal.viz.mapclassify as mc
>>> cal = mc.load_example()
>>> fj = mc.Fisher_Jenks(cal)
>>> fj.adcm
799.24
>>> fj.bins
array([  75.29,  192.05,  370.5 ,  722.85, 4111.45])
>>> fj.counts
array([49,  3,  4,  1,  1])
>>>

属性:	yb : 数组 （n，1），用于观察的肥料箱ID bins : 数组 （k，1），每个类的上界 k : 利息 班级数量 counts : 数组 （k，1），属于每一类的观察数

方法

__call__ \（*args，*kwargs）	这将允许像调用函数一样调用分类器。
find_bin [（x）]	根据当前仓位估计对输入或输入进行排序
get_adcm （）	班级中位数（adcm）周围的绝对偏差。
get_gadf （）	拟合绝对偏差的优度
get_tss （）	类均值的平方和
make \（*args，*kwargs）	根据此函数指定的配置选项，配置并创建将使用数据并生成分类的分类器。
update \（[Y，就地]）	添加数据或更改分类参数。

__init__(y, k=5)[源代码]¶

初始化自身。请参阅帮助（键入（self））以获得准确的签名。

方法

__init__ [y[，k]）	初始化自身。
find_bin [（x）]	根据当前仓位估计对输入或输入进行排序
get_adcm （）	班级中位数（adcm）周围的绝对偏差。
get_gadf （）	拟合绝对偏差的优度
get_tss （）	类均值的平方和
make \（*args，*kwargs）	根据此函数指定的配置选项，配置并创建将使用数据并生成分类的分类器。
update \（[Y，就地]）	添加数据或更改分类参数。