pysal.viz.mapclassify.Fisher_Jenks_Sampled¶

class pysal.viz.mapclassify.Fisher_Jenks_Sampled(y, k=5, pct=0.1, truncate=True)[源代码]¶

基于随机样本的Fisher-Jenks最优分类器

参数:	y : 数组 （n，1），要分类的值 k : 利息 需要的类数 pct : 浮动 如果指定了pct，则构成样本的n的百分比，如果n*pct>1000，则pct=1000./n，除非truncate为false。 truncate : 布尔 在pct*n>1000的情况下截断pct（默认为true）

实例

（由于硬件上的计时不同而关闭）

有关理论详细信息，请参见 [RSL16] .

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, pct=0.1, truncate=True)[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，PCT，截断]）	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。