Question

我正在为一个班级做作业，即：

给定一组N个测量值（r1，r2，...，rN），我们将首先将奇数编号的测量值分配给1类，将偶数编号的测量值分配给2类。然后重复以下两个步骤：

•更新步骤：计算每个群集内测量值的平均值（平均值）。 •分配步骤：将每个度量分配给具有最接近平均值的群集。

如果出现平局，请将测量值分配给群集1。重复上述步骤，直到群集分配不更改。在聚类分配稳定之前，无法预先确定需要多少步骤。

我原来用来解决这个问题的代码却是不成功的：

import numpy as np
def clusterAnalysis(reflectance):

    oldCluster=np.zeros(np.size(reflectance))

    Cluster=(np.arange(0,np.size(reflectance))%2)+1

    while np.all(oldCluster!=Cluster):
        oldCluster=np.copy(Cluster)

        m1=np.mean(reflectance[Cluster==1])
        m2=np.mean(reflectance[Cluster==2])

        for i in range(np.size(reflectance)):
            d1= abs(reflectance[i]-m1)
            d2= abs(reflectance[i]-m2)
            if d1<=d2:
                Cluster[i]=1
            else:
                Cluster[i]=2

    return Cluster

这没用。但是，当我更换

while np.all(oldCluster!=Cluster):

使用：

while not np.all(oldCluster==Cluster):

它确实有效！

任何人都能解释为什么会这样吗？

Answer 1

它不一样。这样：

while np.all(oldCluster!=Cluster):

应为：

while not np.any(oldCluster==Cluster):

更多信息：

https://en.wikipedia.org/wiki/De_Morgan%27s_laws

而不是（x == x）与while（x！= x）

1 个答案: