在python中使用scipy的kmeans2函数

Question

我找到了this 在 python 中使用 kmeans2 算法的示例。以下部分我无法获取

# 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)

点是zip(xy[:,0],xy[:,1])，那么第三个值z在这里做什么呢？

还有什么是美白？

感谢任何解释。谢谢。

Answer 1

第一：

# 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。可能有错别字？

接下来，

# whiten them
z = whiten(z)

whitening 只是对总体方差进行归一化。在这里查看演示：

>>> 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

这对我来说并不明显为什么它会变白。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（且缓慢）的写作方式

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

无论如何，您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)

然后是data 传递给kmeans 算法：

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

所以现在您可以看到传递给算法的是 3d 空间中的 30 个点，而令人困惑的部分是点集是如何创建的。