Question

我试图在Python / NumPy中实现k-medoids聚类算法。作为这个算法的一部分，我必须计算从物体到它们的＆＃34; medoids＆＃34;的距离之和。（集群代表）。

我有：五点距离矩阵

n_samples = 5
D = np.array([[ 0.        ,  3.04959014,  4.74341649,  3.72424489,  6.70298441],
              [ 3.04959014,  0.        ,  5.38516481,  4.52216762,  6.16846821],
              [ 4.74341649,  5.38516481,  0.        ,  1.02469508,  8.23711114],
              [ 3.72424489,  4.52216762,  1.02469508,  0.        ,  7.69025357],
              [ 6.70298441,  6.16846821,  8.23711114,  7.69025357,  0.        ]])

一组初始中间体

medoids = np.array([0, 3])

和群集成员资格

cl = np.array([0, 0, 1, 1, 0])

我可以使用

计算所需的总和

>>> np.sum(D[i, medoids[cl[i]]] for i in xrange(n_samples))
10.777269622938899

但是它使用了Python循环。我是否缺少某种用于计算此总和的矢量化习语？

Answer 1

怎么样：

In [17]: D[np.arange(n_samples),medoids[cl]].sum()
Out[17]: 10.777269629999999

NumPy：向一组点矢量化距离之和

1 个答案: