Python 3.x 计算数据点簇的标准偏差
因此,我有一个数据点列表,其中所有数据点都属于一个集群(每个项目都是一个具有3个特征的numpy数组(代表一个点))。我计算它们的质心(点的平均值)。我想计算点与质心的标准偏差。更准确地说,我想知道一个点离簇的质心有多少标准差。请帮我编码 我的数据点列表如下所示Python 3.x 计算数据点簇的标准偏差,python-3.x,k-means,standard-deviation,Python 3.x,K Means,Standard Deviation,因此,我有一个数据点列表,其中所有数据点都属于一个集群(每个项目都是一个具有3个特征的numpy数组(代表一个点))。我计算它们的质心(点的平均值)。我想计算点与质心的标准偏差。更准确地说,我想知道一个点离簇的质心有多少标准差。请帮我编码 我的数据点列表如下所示 ([-5.75204079 8.78545302 8.00800119],…)假设集群中的数据点存储在名为数据的列表中,以下代码将计算该数据集的标准偏差 # Calculate mean mean = sum(data)/len(dat
([-5.75204079 8.78545302 8.00800119],…)假设集群中的数据点存储在名为
数据的列表中,以下代码将计算该数据集的标准偏差
# Calculate mean
mean = sum(data)/len(data)
# Calculate sum of square of difference
# of data points from mean
dev = 0
for rec in data:
dev += pow((rec - mean),2)
# Calculate variance
var = dev/len(data)
# Calculate standard deviation
std_dev = math.sqrt(var)