SciPy 庫的 scipy.interpolate.interp1d(x, y, kind, axis, copy, bounds_error, fill_value, assumesorted) 類，顧名思義，用於插值一維函式。這裡，x 和 y 是用於逼近某個函式（例如 f）的值的陣列；y=f(x)。此類的輸出是一個函式，其呼叫方法使用插值來查詢新點的值。以下是其引數的詳細說明 -引數x - (N, ) array_like它是一個一維實數陣列。y - (…, N, …) array_like它是一個 N 維實數陣列。條件是長度 ... 閱讀更多

SciPy 庫具有 scipy.linalg.inv() 函式，用於求解方陣的逆矩陣。讓我們瞭解如何使用此函式來計算矩陣的逆 -示例2x2 矩陣的逆#匯入 scipy 包 import scipy.linalg #匯入 numpy 包 import numpy as np #宣告 numpy 陣列（方陣） A = np.array([[3, 3.5], [3.2, 3.6]]) #將值傳遞給 scipy.linalg.inv() 函式 M = scipy.linalg.inv(A) #列印結果 print('Inverse of {} is {}'.format(A, M))輸出Inverse of [[3. 3.5] [3.2 3.6]] is [[-9. 8.75] [ 8. -7.5 ]]示例3x3 ... 閱讀更多

矩陣的行列式，記為 |A|，是一個標量值，可以從方陣中計算出來。藉助矩陣的行列式，我們可以求解矩陣的逆和其他線上性方程組、微積分等方面有用的東西。名為 scipy.linalg.det() 的函式計算方陣的行列式。讓我們透過以下示例瞭解它 -示例計算 2x2 矩陣的行列式#匯入 scipy 包 import scipy #匯入 numpy 包 import numpy as np #宣告 numpy 陣列（方陣） X = np.array([[5, ... 閱讀更多

SciPy 有一個名為 scipy.linalg.solve() 的函式來求解線性方程。我們只需要知道如何用向量的形式表示我們的線性方程。它將求解未知數 x 的線性方程組 a * x = b。讓我們藉助以下示例瞭解它 -示例在此示例中，我們將嘗試求解一個線性代數系統，可以表示如下 -   3x + 2y = 2   x - y = 4   5y + z = -1函式 scipy.linalg.solve() 將找到 x、y 和 z 的值，以便 ... 閱讀更多

漢明距離計算兩個二進位制向量之間的距離。當我們對資料的分類列使用獨熱編碼時，我們通常會找到二進位制字串。在獨熱編碼中，整數變數被移除，並且對於每個唯一的整數，都會新增一個新的二進位制變數。例如，如果一個列包含類別“長度”、“寬度”和“廣度”。我們可能會將每個示例作為具有一個位的位字串進行獨熱編碼，每個列對應一個位，如下所示 -長度 = [1, 0, 0]寬度 = [0, 1, 0]廣度 = [0, 0, 1]上述兩個類別之間的漢明距離，可以 ... 閱讀更多

閔可夫斯基距離是歐幾里得距離和曼哈頓距離的推廣形式，是兩點之間的距離。它主要用於向量的距離相似性。以下是 n 維空間中計算閔可夫斯基距離的通用公式 -$$\mathrm{D= \big[\sum_{i=1}^{n}|r_i-s_i|^p\big]^{1/p}}$$這裡，si 和 ri 是資料點。n 表示 n 空間。p 表示範數的階數SciPy 為我們提供了一個名為 minkowski 的函式，該函式返回兩點之間的閔可夫斯基距離。讓我們看看如何使用 SciPy 庫計算兩點之間的閔可夫斯基距離 -示例# 匯入 SciPy 庫 from scipy.spatial import distance # 定義點 A = ... 閱讀更多

曼哈頓距離，也稱為城市街區距離，計算為兩個向量之間絕對差的總和。它主要用於描述均勻網格（如城市街區或棋盤）上物件的向量。以下是 n 維空間中計算曼哈頓距離的通用公式 -$$\mathrm{D =\sum_{i=1}^{n}|r_i-s_i|}$$這裡，si 和 ri 是資料點。n 表示 n 空間。SciPy 為我們提供了一個名為 cityblock 的函式，該函式返回兩點之間的曼哈頓距離。讓我們看看如何使用 SciPy 庫計算兩點之間的曼哈頓距離 -示例# 匯入 SciPy 庫 ... 閱讀更多

歐幾里得距離是兩個實值向量之間的距離。我們通常用它來計算具有數值（浮點或整數）的兩行資料之間的距離。以下是計算歐幾里得距離的公式 -$$\mathrm{d(r, s) =\sqrt{\sum_{i=1}^{n}(s_i-r_i)^2} }$$這裡，r 和 s 是歐幾里得 n 空間中的兩個點。si 和 ri 是歐幾里得向量。n 表示 n 空間。讓我們看看如何使用 SciPy 庫計算兩點之間的歐幾里得距離 -示例# 匯入 SciPy 庫 from scipy.spatial import distance # 定義點 A = (1, 2, 3, 4, 5, 6) B = (7, 8, 9, 10, 11, ... 閱讀更多

scipy.cluster.hierarchy.fcluster(Z, t, criterion=’inconsistent’depth=2, R=None, monocrat=None)− fcluster() 方法從層次聚類中形成扁平聚類。此層次聚類由給定的連線矩陣定義，識別聚類類之間的連結。以下是其引數的詳細說明 -引數Z− ndarray它表示用連線矩陣編碼的層次聚類。t− 標量t 的值取決於標準的型別。對於“不一致”、“距離”和“單一標準”標準，t 的值表示在形成扁平聚類時要應用的閾值。另一方面，對於“最大聚類”和“最大聚類單一標準”標準，t 的值表示最大聚類數 ... 閱讀更多

scipy.cluster.hierarchy 模組提供了用於層次聚類及其型別的函式，例如凝聚聚類。它具有各種例程，我們可以使用它們來：- 將層次聚類切割成扁平聚類。實現凝聚聚類。計算層次結構上的統計資料。視覺化扁平聚類。檢查兩個扁平聚類分配的同構性。繪製聚類圖。scipy.cluster.hierarchy.fcluster 例程用於將層次聚類切割成扁平聚類，它們由此獲得將原始資料點分配到單個聚類的結果。讓我們藉助以下示例來理解這個概念：示例#從 scipy.cluster.hierarchy 匯入 ward、fcluster 從 scipy.spatial.distance 匯入 pdist #聚類 ... 閱讀更多