K 均值聚類演算法，也稱為扁平聚類，是一種計算一組未標記資料中的簇和簇中心（質心）的方法。它迭代直到我們找到最佳質心。我們可能認為簇是一組資料點，其點間距離與該簇外部點的距離相比很小。從未標記資料中識別出的簇的數量在 K 均值演算法中由“K”表示。給定一組初始的 K 箇中心，可以使用 SciPy 庫透過執行以下步驟來完成 K 均值聚類演算法：步驟 1 - 資料點 ... 閱讀更多

聚類是最有用的無監督機器學習方法之一。它用於查詢輸入資料樣本之間的關係模式和相似性。在找到這些模式後，無監督演算法將具有相似性的資料樣本聚類到組中，如下面的圖表所示：異常檢測、影像分割、醫學影像、社交網路分析和市場細分是聚類的一些常見應用。K 均值和層次聚類是兩種最常見的聚類形式。為了實現聚類，SciPy 為我們提供了一個聚類包（scipy.cluster），該包進一步包含如下所示的兩個模組：scipy.cluster.vq 模組 - 此 SciPy 模組提供了用於 k 均值... 閱讀更多

匯入 SciPy 後，您無需顯式匯入 NumPy 函式，因為預設情況下所有 NumPy 函式都可透過 SciPy 名稱空間獲得。但是由於 SciPy 是建立在 NumPy 陣列之上的，因此我們必須瞭解 NumPy 的基礎知識。由於線性代數的大部分內容僅涉及向量和矩陣，因此讓我們瞭解 NumPy 向量和矩陣的基本功能。透過轉換 Python 陣列類物件建立 NumPy 向量讓我們藉助以下示例來理解這一點：示例匯入 numpy as np list_objects = [10, 20, 30, 40, 50, 60, 70, 80, 90] array_new = np.array(list_objects) print ... 閱讀更多

NumPy（代表 Numerical Python）用於運算元值陣列資料元素。SciPy（代表 Scientific Python）用於 Python 中的數值計算。這兩個包都提供了擴充套件功能來處理 Python。讓我們瞭解 NumPy 和 SciPy 之間的一些基本區別：功能差異 - NumPy 的處理速度比 SciPy 快。NumPy 庫中定義的函式深度不足，而 SciPy 庫包含函式的詳細版本。SciPy 建立在 NumPy 之上，建議將這兩個庫一起使用，以進行快速有效的科學和數學計算。陣列概念 - ... 閱讀更多

SciPy 建立在以下核心包之上：Python - Python 是一種通用程式語言，是動態型別的和解釋型的。它非常適合互動式工作和快速原型設計。它也功能強大，可以編寫 AI 和 ML 應用程式。NumPy - NumPy 是 SciPy 的基礎 N 維陣列包，允許我們有效地使用數值陣列中的資料。它是數值計算的基礎包。Matplotlib - Matplotlib 用於根據資料建立全面的二維圖表和繪圖。它還為我們提供了基本的 3D 繪圖。SciPy 庫 - 它是核心包之一，為我們提供了許多使用者友好且... 閱讀更多

為了涵蓋不同的科學計算領域，SciPy 庫被組織成各種子包。下面解釋了這些子包：聚類包 (scipy.cluster) - 此包包含聚類演算法，這些演算法在資訊理論、目標檢測、壓縮、通訊以及其他一些領域也很有用。它有兩個模組，即 scipy.cluster.vq 和 scipy.cluster.hierarchy。顧名思義，第一個模組即 vq 模組僅支援向量量化和 k 均值演算法。而第二個模組即 hierarchy 模組提供了用於凝聚和層次聚類的函式。常量 (scipy.constants) - 它包含數學和物理常量。數學常量包括 pi、黃金和黃金比例。物理常量包括 c、光速、普朗克、萬有引力常數等。傳統... 閱讀更多

SciPy（發音為“Sigh Pie”）是 Python 開源庫的生態系統，用於執行數學、科學和工程計算。SciPy 代表 Scientific Python，由以下核心包組成，稱為 SciPy 生態系統：NumPy - NumPy 是 SciPy 的基礎 N 維陣列包，允許我們有效地使用陣列中的資料。Matplotlib - Matplotlib 用於根據資料建立全面的二維圖表和繪圖。Pandas - Pandas 是一個開源 Python 包，用於組織和分析我們的資料。除了 SciPy 生態系統之外，SciPy 還指的是其他相關的但不同的實體：社群 - 它指的是... 閱讀更多