التجميع والمسافة

import numpy as np
x = np.array([0.0, 2.0, 8.0, 10.0])
centers = np.array([0.0, 10.0])
labels = np.argmin((x[:, None] - centers[None, :]) ** 2, axis=1)
assert all(np.any(labels == k) for k in range(2))
updated = np.array([x[labels == k].mean() for k in range(2)])
inertia = np.sum((x - updated[labels]) ** 2)
print(labels.tolist())
print(updated.tolist())
print(f"fixture inertia={inertia:.1f}")

[0, 0, 1, 1]
[1.0, 9.0]
fixture inertia=4.0

تعطي التعيينات واحدا وتسعة ومقدار كل باق واحد.

import numpy as np
points = np.array([[0.0, 100.0], [2.0, 0.0]])
query = np.array([0.0, 0.0])
raw = np.linalg.norm(points - query, axis=1)
scale = np.array([1.0, 100.0])
scaled = np.linalg.norm((points - query) / scale, axis=1)
print(int(np.argmin(raw)))
print(int(np.argmin(scaled)))

1
0

تتغير الأقرب من واحد لصفر بالمقياس المعطى، لا يثبت تفضيلا شاملا.