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]])