Python SciPy vq.whiten用法及代码示例

本文简要介绍 python 语言中 scipy.cluster.vq.whiten 的用法。

用法:

scipy.cluster.vq.whiten(obs, check_finite=True)#

基于每个特征对一组观察值进行归一化。

在运行k-means之前，通过标准差重新调整观察集的每个特征维度是有益的(即“whiten” it - 如在“white noise”中，每个频率具有相等的功率)。每个特征除以其所有观测值的标准差，得到单位方差。

参数 ：：

obs： ndarray

数组的每一行都是一个观察值。列是每次观察期间看到的特征。

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

check_finite： 布尔型，可选

是否检查输入矩阵是否仅包含有限数。禁用可能会提高性能，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：真

返回 ：：

result： ndarray

包含按每列标准差缩放的 obs 值。

例子：

>>> import numpy as np
>>> 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]])