计算 kmeans 算法的核密度估计

Question

我被要求使用 np.linalg.norm.

基于概率密度函数计算 K(z)

这是我试过的，有谁知道我在做什么？

def kernel(z):
# z: (N, 2) numpy.array
# returns (N, 1) numpy.array

k_zee=[]
for i in range (0,len(z)):
    dat=z[i]
    norm=LA.norm(dat, ord=2)
    k_zee.append((1/(np.sqrt(2*math.pi)))**(-(norm/2)))
return np.array(k_zee)

Answer 1

将 ** 替换为 np.exp：

此外，您的缩进有误 - 在 def 行之后，所有代码都应缩进一次。

def kernel(z):
# z: (N, 2) numpy.array
# returns (N, 1) numpy.array
    k_zee=[]
    for i in range (0,len(z)):
        dat=z[i]
        norm=np.linalg.norm(dat, ord=2)
        k_zee.append((1/(np.sqrt(2*math.pi)))*np.exp(-(norm**2/2)))
    return np.array(k_zee)

计算 kmeans 算法的核密度估计

calculate kernel density estimation for kmeans algorithm

python

numpy

k-means

kernel-density