在python中使用scipy的kmeans2函数

第一:

# make some z vlues
z = numpy.sin(xy[:,1]-0.2*xy[:,1])

关于这一点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这样写.也许有拼写错误？

下一个,

# whiten them
z = whiten(z)

美白只是简化了人口的方差.请看这里的演示:

>>> 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

对我来说,为什么它变白是不明显的.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))

这是一种奇怪的(而且很慢的)写作方式

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

无论如何,你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)

然后它data被传递给kmeans算法:

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

所以现在你可以看到它在3d空间中传递给算法的30个点,而令人困惑的部分是如何创建点集.