Dod-o / Statistical-Learning-Method_Code

def cal_groupcenter(group, Xarray):

    center = np.zeros(Xarray.shape[1])
    for i in range(Xarray.shape[1]): #range(4)
        for n in group:
            center[i] += Xarray[n][i]  #计算当前类中第i个特征的数据之和
    center = center / Xarray.shape[0]  #计算各个特征的均值
    return center

作者您好！十分感谢你开源的机器学习代码，受益良多，想请教一下：在上面的函数中，为什么使用center = center / Xarray.shape[0] （簇的和除以总样本个数），而不是center = center / len(group) 即每一簇的中心点的均值应该是该簇的和除以该簇的数目
代码位置如下⬇ 十分感激！

Statistical-Learning-Method_Code/Clustering/K-means_Clustering/K-means_Clustering.py

Line 101 in 01f6d6c

center = center / Xarray.shape[0] #计算各个特征的均值

同样有疑问，我觉得你是对的

def cal_groupcenter(group, Xarray):

    center = np.zeros(Xarray.shape[1])
    for i in range(Xarray.shape[1]): #range(4)
        for n in group:
            center[i] += Xarray[n][i]  #计算当前类中第i个特征的数据之和
    center = center / Xarray.shape[0]  #计算各个特征的均值
    return center
作者您好！十分感谢你开源的机器学习代码，受益良多，想请教一下：在上面的函数中，为什么使用center = center / Xarray.shape[0] （簇的和除以总样本个数），而不是center = center / len(group) 即每一簇的中心点的均值应该是该簇的和除以该簇的数目代码位置如下⬇ 十分感激！

Statistical-Learning-Method_Code/Clustering/K-means_Clustering/K-means_Clustering.py

Line 101 in 01f6d6c

center = center / Xarray.shape[0] #计算各个特征的均值

同样有疑问并且觉得你的想法是对的

这是来自QQ邮箱的假期自动回复邮件。你好，我最近正在休假中，无法亲自回复你的邮件。我将在假期结束后，尽快给你回复。

def cal_groupcenter(group, Xarray):

    center = np.zeros(Xarray.shape[1])
    for i in range(Xarray.shape[1]): #range(4)
        for n in group:
            center[i] += Xarray[n][i]  #计算当前类中第i个特征的数据之和
    center = center / Xarray.shape[0]  #计算各个特征的均值
    return center
作者您好！十分感谢你开源的机器学习代码，受益良多，想请教一下：在上面的函数中，为什么使用center = center / Xarray.shape[0] （簇的和除以总样本个数），而不是center = center / len(group) 即每一簇的中心点的均值应该是该簇的和除以该簇的数目代码位置如下⬇ 十分感激！

Statistical-Learning-Method_Code/Clustering/K-means_Clustering/K-means_Clustering.py

Line 101 in 01f6d6c

center = center / Xarray.shape[0] #计算各个特征的均值

我赞成您的看法，并且我觉得应该将那个分母修改为 group.shape[0]

K means 簇中心更新的计算问题