Question

我在python中找到了使用kmeans2算法的this示例。我无法得到以下部分

# make some z vlues
z = numpy.sin(xy[:,1]-0.2*xy[:,1])

# whiten them
z = whiten(z)

# let scipy do its magic (k==3 groups)
res, idx = kmeans2(numpy.array(zip(xy[:,0],xy[:,1],z)),3)

这些点是zip(xy[:,0],xy[:,1])，那么第三个值z在这里做了什么？

还有什么美白？

任何解释都表示赞赏。感谢。

Answer 1

首先：

# make some z vlues
z = numpy.sin(xy[:,1]-0.2*xy[:,1])

最奇怪的是它相当于：

z = numpy.sin(0.8*xy[:, 1])

所以我不知道为什么会这样写。也许有拼写错误？

接下来，

# whiten them
z = whiten(z)

美白只是简化了人口的方差。请看这里的演示：

>>> z = np.sin(.8*xy[:, 1])      # the original z
>>> zw = vq.whiten(z)            # save it under a different name
>>> zn = z / z.std()             # make another 'normalized' array
>>> map(np.std, [z, zw, zn])     # standard deviations of the three arrays
[0.42645, 1.0, 1.0]
>>> np.allclose(zw, zn)          # whitened is the same as normalized
True

对我而言，为什么被白化并不明显。无论如何，继续前进：

# let scipy do its magic (k==3 groups)
res, idx = kmeans2(numpy.array(zip(xy[:,0],xy[:,1],z)),3)

让我们把它分成两部分：

data = np.array(zip(xy[:, 0], xy[:, 1], z))

这是一种奇怪（又缓慢）的写作方式

data = np.column_stack([xy, z])

无论如何，你从两个数组开始并将它们合并为一个：

>>> xy.shape
(30, 2)
>>> z.shape
(30,)
>>> data.shape
(30, 3)

然后将data传递给kmeans算法：

res, idx = vq.kmeans2(data, 3)

所以现在你可以看到它在3d空间中被传递给算法的30个点，而令人困惑的部分是如何创建点集。

在python中使用scipy的kmeans2函数

1 个答案: