K 均值聚类算法，也称为扁平聚类，是一种计算一组未标记数据中的簇和簇中心（质心）的方法。它迭代直到我们找到最佳质心。我们可能认为簇是一组数据点，其点间距离与该簇外部点的距离相比很小。从未标记数据中识别出的簇的数量在 K 均值算法中由“K”表示。给定一组初始的 K 个中心，可以使用 SciPy 库通过执行以下步骤来完成 K 均值聚类算法：步骤 1 - 数据点 ... 阅读更多

聚类是最有用的无监督机器学习方法之一。它用于查找输入数据样本之间的关系模式和相似性。在找到这些模式后，无监督算法将具有相似性的数据样本聚类到组中，如下面的图表所示：异常检测、图像分割、医学影像、社交网络分析和市场细分是聚类的一些常见应用。K 均值和层次聚类是两种最常见的聚类形式。为了实现聚类，SciPy 为我们提供了一个聚类包（scipy.cluster），该包进一步包含如下所示的两个模块：scipy.cluster.vq 模块 - 此 SciPy 模块提供了用于 k 均值... 阅读更多

导入 SciPy 后，您无需显式导入 NumPy 函数，因为默认情况下所有 NumPy 函数都可通过 SciPy 命名空间获得。但是由于 SciPy 是建立在 NumPy 数组之上的，因此我们必须了解 NumPy 的基础知识。由于线性代数的大部分内容仅涉及向量和矩阵，因此让我们了解 NumPy 向量和矩阵的基本功能。通过转换 Python 数组类对象创建 NumPy 向量让我们借助以下示例来理解这一点：示例导入 numpy as np list_objects = [10, 20, 30, 40, 50, 60, 70, 80, 90] array_new = np.array(list_objects) print ... 阅读更多

NumPy（代表 Numerical Python）用于操作数值数组数据元素。SciPy（代表 Scientific Python）用于 Python 中的数值计算。这两个包都提供了扩展功能来处理 Python。让我们了解 NumPy 和 SciPy 之间的一些基本区别：功能差异 - NumPy 的处理速度比 SciPy 快。NumPy 库中定义的函数深度不足，而 SciPy 库包含函数的详细版本。SciPy 建立在 NumPy 之上，建议将这两个库一起使用，以进行快速有效的科学和数学计算。数组概念 - ... 阅读更多

SciPy 建立在以下核心包之上：Python - Python 是一种通用编程语言，是动态类型的和解释型的。它非常适合交互式工作和快速原型设计。它也功能强大，可以编写 AI 和 ML 应用程序。NumPy - NumPy 是 SciPy 的基础 N 维数组包，允许我们有效地使用数值数组中的数据。它是数值计算的基础包。Matplotlib - Matplotlib 用于根据数据创建全面的二维图表和绘图。它还为我们提供了基本的 3D 绘图。SciPy 库 - 它是核心包之一，为我们提供了许多用户友好且... 阅读更多

为了涵盖不同的科学计算领域，SciPy 库被组织成各种子包。下面解释了这些子包：聚类包 (scipy.cluster) - 此包包含聚类算法，这些算法在信息论、目标检测、压缩、通信以及其他一些领域也很有用。它有两个模块，即 scipy.cluster.vq 和 scipy.cluster.hierarchy。顾名思义，第一个模块即 vq 模块仅支持向量量化和 k 均值算法。而第二个模块即 hierarchy 模块提供了用于凝聚和层次聚类的函数。常量 (scipy.constants) - 它包含数学和物理常量。数学常量包括 pi、黄金和黄金比例。物理常量包括 c、光速、普朗克、万有引力常数等。传统... 阅读更多

SciPy（发音为“Sigh Pie”）是 Python 开源库的生态系统，用于执行数学、科学和工程计算。SciPy 代表 Scientific Python，由以下核心包组成，称为 SciPy 生态系统：NumPy - NumPy 是 SciPy 的基础 N 维数组包，允许我们有效地使用数组中的数据。Matplotlib - Matplotlib 用于根据数据创建全面的二维图表和绘图。Pandas - Pandas 是一个开源 Python 包，用于组织和分析我们的数据。除了 SciPy 生态系统之外，SciPy 还指的是其他相关的但不同的实体：社区 - 它指的是... 阅读更多