scipy.cluster.vq.

whiten#

scipy.cluster.vq.whiten(obs, check_finite=True)[源代码]#

按每个特征为一批观察值进行归一化。

在运行 KMeans 之前，最好按观察值集合中每个特征维度除以其标准差（即“白化”它 - 如在“白噪声”中，其中每个频率具有相等的功率）。每个特征除以所有观察值中的标准差，使其单位方差。

参数:

obsndarray

该数组的每一行是一个观察值。各列是在每个观察值中看到的特征。

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

check_finite布尔值，可选

是否检查输入矩阵是否仅包含有限数字。禁用它可能会提高性能，但如果输入确实包含无穷大或 NaN，则可能导致出现问题（崩溃、终止不了）。默认值：True

返回:

结果ndarray: 包含按每列的标准差缩放后的 obs 中的值。

示例

>>> 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]])