Python SciPy vq.whiten用法及代碼示例

本文簡要介紹 python 語言中 scipy.cluster.vq.whiten 的用法。

用法:

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

基於每個特征對一組觀察值進行歸一化。

在運行k-means之前，通過標準差重新調整觀察集的每個特征維度是有益的(即“whiten” it - 如在“white noise”中，每個頻率具有相等的功率)。每個特征除以其所有觀測值的標準差，得到單位方差。

參數 ：：

obs： ndarray

數組的每一行都是一個觀察值。列是每次觀察期間看到的特征。

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

check_finite： 布爾型，可選

是否檢查輸入矩陣是否僅包含有限數。禁用可能會提高性能，但如果輸入確實包含無窮大或 NaN，則可能會導致問題(崩潰、非終止)。默認值：真

返回 ：：

result： ndarray

包含按每列標準差縮放的 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]])