查找列表中每个分类器的平均协调数。

Question

我想编写一个接受两个输入的函数：

points是一个协调点的列表；

classiification是由n到m长度的1s或0的列表，其中n是points中的值数，m是分类的数目。

该函数将返回分配给每个分类的协调器的平均值。在这个例子中有两个分类，每个points中的协调只能分配给一个分类(标记为1，所有其他都标记为0)。

例子如下：

points = np.array([[1,1], [2,4], [4,6], [5,6], [6,6]])
classification = np.array([[1, 0],[1, 0],[0, 1],[0, 1],[0, 1]])

my_func(points, classification) #--> np.array([[1.5 , 2.5],
                                #              [5. , 6. ]])

因此，第一点(1,1)被分配给第一分类器(1,0)，第三点(4,6)被分配给第二分类器(0,1)。

解决这个问题的最好方法是什么？谢谢

Answer 1

因为字典是对涉及映射的数据进行操作的最简单方法。我用字典解决了你的问题。

points = np.array([[1,1], [2,4], [4,6], [5,6], [6,6]])
classification = np.array([[1, 0],[1, 0],[0, 1],[0, 1],[0, 1]])

在下面的步骤中，我将列表列表转换为元组列表，因为列表不能作为字典的键，因为它们的性质是可变的。

classification =[tuple(i) for i in classification]
dic={}
for i,j in zip(classification,points):
    if i not in dic.keys():
        dic[i]=[list(j)]
    else:
        dic[i].append(list(j))
[[sum(elem)/len(elem) for elem in zip(*j)] for i,j in dic.items()]

希望这能有所帮助。

Answer 2

1. 创建两个数组，result和count，它们的大小都是分类数，将每个值初始化为[0, 0]表示结果，将0初始化为count。count
2. repeat
3. 取下一个点并进行分类，直到没有剩下的
4. ，使用classification.index(1)查找result和count数组
5. 的索引，将点的值添加到相应的result，并增加相应的
6. 步骤2<代码>H 219<代码>H 120将结果中的每个值除以其对应的<代码>D21值><代码>H 222H 123返回result

。

我让你来为它写代码。