Python 隔离三维数据点的策略
我有两组点,一组来自分析,另一组用于分析数据的后处理结果 黑色的分析数据是分散的。 用于结果的点为红色。 以下是同一绘图上的两组: 我的问题是:我将插值到红色点上,但正如您所看到的,有红色点落在黑色数据集的空白区域内。插值导致这些点上存在非零值,但在最终数据集中这些值必须为零 我一直在考虑几种将这些值设置为零的策略。以下是几个没有特定顺序的:Python 隔离三维数据点的策略,python,numpy,scipy,nearest-neighbor,convex-hull,Python,Numpy,Scipy,Nearest Neighbor,Convex Hull,我有两组点,一组来自分析,另一组用于分析数据的后处理结果 黑色的分析数据是分散的。 用于结果的点为红色。 以下是同一绘图上的两组: 我的问题是:我将插值到红色点上,但正如您所看到的,有红色点落在黑色数据集的空白区域内。插值导致这些点上存在非零值,但在最终数据集中这些值必须为零 我一直在考虑几种将这些值设置为零的策略。以下是几个没有特定顺序的: 查找顶点仅包含黑色数据点且在凸集内仅包含红色数据点的凸包。此外,该船体的面积应最大化,同时仍满足两个标准 这已经被证明是相当困难的实现,主要是因为必
如果空隙中存在电场,粒子跟踪软件不知道存在某种结构,并且会发生不好的事情。你可能可以通过称为“支持向量机”的大数据技术来解决这个问题。如前所述,分配0和1分类,然后通过libsvm算法运行此操作。您应该能够使用此模型对需要归零的点进行分类和标识,并以编程方式进行
我意识到SVM和libsvm实现有一条学习曲线。如果这超出了您的工作预算,我深表歉意。太好了!但我不明白你的目标是什么。你能用一两句话重新说明上面的图片有什么问题,以及你想要的结果是什么吗。我知道你们试图“隔离3d点”,但也许我不明白你们为什么要这样做,以及你们想实现什么。如果我对此一无所知,我就无法真正理解你给出的所有具体细节,因为这个问题缺少了一个关于你试图做什么的非技术性描述。一般的非技术性描述是这样的:我必须在另一个程序中使用这些数据。如果空隙内的值不为零,其他软件程序将产生糟糕的结果。Prune,我在研究支持向量机时读过几遍:对于许多估计器,包括支持向量机,每个特征具有单位标准偏差的数据集对于获得好的预测非常重要。这对你有意义吗?既然我只是在寻找空洞中的点的索引,我是否应该缩放轴以提供单位sd。。。沿单个轴或三维点集的方向?是。这也属于一般术语“特征缩放”。空间中的每个维度都是一个“特征”。一个经典的例子是根据建筑面积、卧室数量和房屋年龄预测房价。卧室一般在1-4间之间;年龄0-100岁;面积为500-5000平方英尺。如果你能在一个数量级内得到这些范围,许多算法会收敛得更好,比如用1000平方英尺表示面积,用几十年表示年龄。一个简单的优化器是将所有东西按Z分数进行缩放:在每个特征或维度内,有多少标准差高于/低于