scipy.cluster.vq.whiten¶

scipy.cluster.vq.whiten(obs, check_finite=True)[源代码]¶

在每个要素的基础上对一组观测进行标准化。

在运行k-Means之前，按其标准偏差对观测集合的每个特征维度进行重定标是有益的(即，将其“白化”-如在每个频率具有相等功率的“白噪声”中)。每个特征除以其在所有观测值上的标准偏差，从而得到其单位方差。

参数

obsndarray

阵列的每一行都是一个观测值。这些列是在每次观察过程中看到的特征。

>>> #         f0    f1    f2
>>> obs = [[  1.,   1.,   1.],  #o0
...        [  2.,   2.,   2.],  #o1
...        [  3.,   3.,   3.],  #o2
...        [  4.,   4.,   4.]]  #o3

check_finite布尔值，可选

是否检查输入矩阵是否仅包含有限个数字。禁用可能会带来性能提升，但如果输入确实包含无穷大或NAN，则可能会导致问题(崩溃、非终止)。默认值：true

退货

resultndarray: 包含中的值 obs 按每列的标准偏差进行缩放。

示例

>>> from scipy.cluster.vq import whiten
>>> features  = np.array([[1.9, 2.3, 1.7],
...                       [1.5, 2.5, 2.2],
...                       [0.8, 0.6, 1.7,]])
>>> whiten(features)
array([[ 4.17944278,  2.69811351,  7.21248917],
       [ 3.29956009,  2.93273208,  9.33380951],
       [ 1.75976538,  0.7038557 ,  7.21248917]])

K-均值聚类与矢量量化 (scipy.cluster.vq )

scipy.cluster.vq.vq