Обнаружение пустот в многомерных данных

Как обнаружить пустоты в многомерных (в том числе одномерных) данных? Под обнаружением я имею в виду нахождение их границ.

Простой пример:

import numpy as np
import matplotlib.pyplot as plt

x = np.random.uniform(-1,1,(500,2))
x = x[np.apply_along_axis(lambda t: np.linalg.norm(t) > 0.5, 1, x), :]
plt.scatter(x[:,0], x[:,1])

python numpy pattern-matching computational-geometry

25.12.2020 06:11

Почему в Python есть оператор "pass"?

Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.

Некоторые методы, о которых вы не знали, что они существуют в Python

Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...

Основы Python Часть I

Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?

LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа

Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:

Оптимизация кода с помощью тернарного оператора Python

И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это

Советы по эффективной веб-разработке с помощью Python

Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.

Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Одним из простых подходов является использование гистограмм.

import numpy as np
import matplotlib.pyplot as plt

x = np.random.uniform(-1,1,(500,2))
x = x[np.apply_along_axis(lambda t: np.linalg.norm(t) > 0.5, 1, x), :]

bins, hist = np.histogramdd(x)

th = 0
axis0_M, axis0_m = hist[0][1:][np.bitwise_or.reduce(bins<=th, axis=1)][0], hist[0][1:][np.bitwise_or.reduce(bins<=th, axis=1)][-1]
axis1_M, axis1_m = hist[1][1:][np.bitwise_or.reduce(bins<=th, axis=0)][0], hist[1][1:][np.bitwise_or.reduce(bins<=th, axis=0)][-1]

plt.vlines(x=[axis0_M, axis0_m], ymin=-x[:, 0].max(), ymax=x[:, 0].max())
plt.hlines(y=[axis1_M, axis1_m], xmin=-x[:, 1].max(), xmax=x[:, 1].max())

plt.scatter(x[:,0], x[:,1])
plt.show()

Вероятно, вы можете получить лучшие результаты, отрегулировав ширину ячейки гистограммы и поэкспериментировав с различными значениями порога.

Это отличный ответ.

— 26.12.2020 19:37

есть ли автоматический способ угадать размер корзины?

— 31.12.2020 18:31

Я не уверен, но вы можете попытаться вычислить его на основе среднего расстояния между парами точек вокруг окрестности. Это самое простое, что я могу придумать.

— 01.01.2021 10:03

25.12.2020 07:53