scipy.cluster.vq.

whiten

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

在每个特征的基础上对一组观测值进行归一化。

在运行k-means之前，通过其标准差重新缩放观测集的每个特征维度是有益的（即“白化”它——就像“白噪声”中每个频率具有相等的功率一样）。每个特征通过其在所有观测中的标准差进行划分，以赋予其单位方差。

参数:

obsndarray

数组的每一行是一个观测值。列是每次观测中看到的特征。

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

check_finitebool, 可选

是否检查输入矩阵是否仅包含有限数值。禁用可能会提高性能，但如果输入包含无穷大或NaN，可能会导致问题（崩溃、非终止）。默认值：True

返回:

结果ndarray

包含 obs 中各列按标准差缩放后的值。

示例

Try it in your browser!

>>> 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]])

Go BackOpen In Tab