Question

我有一组数据，其中包含代表对象的有趣数字数字。

数据也有CDF作为属性。

import UIKit

let image = UIImage(named: "sample.png")

// Process the image!

var myRGBA = RGBAImage(image: image!)

let avgRed = 122
let avgGreen = 113
let avgBlue = 51

if let unwrapped = myRGBA {
    for y in 0..<unwrapped.height {
        for x in 0..<unwrapped.width {
            let index = y * (myRGBA?.width)! + x
            var pixel = myRGBA?.pixels[index]
            let redDiff = Int((pixel?.red)!) - avgRed
            if (redDiff>0)
            {
                pixel?.red = UInt8( max(0, min(255,avgRed + redDiff * 5)))
                myRGBA?.pixels[index] = pixel!
            }
        }
    }
}

let newImage2 = myRGBA?.toUIImage()

现在，我想使用K-means聚类算法对数据进行聚类。我可以使用欧几里德距离＆＃34; X＆＃34;和＆＃34; Y＆＃34;，但我不知道如何衡量两个CDF之间的距离。

有人对此有所了解吗？谢谢，

Answer 1

您可以使用Kolmogrov-Smirnof测试 https://en.wikipedia.org/wiki/Kolmogorov%E2%80%93Smirnov_test

对于相同的https://stat.ethz.ch/R-manual/R-devel/library/stats/html/ks.test.html

，R中有一个功能

Answer 2

此处的作者http://eliassi.org/papers/henderson-sac15.pdf（EP-MEANS：高效的非参数聚类经验概率分布）表明，采用KS检验统计量并不是一个好主意，因为：

“ KS不考虑以下区域的距离价值观。例如，具有全部质量的任意两个分布在单个点上的KS统计量为1（如果这些点是差异），无论分布有多远。考虑三个分布，每个分布的质量分别为0、1和100 分别。 KS认为聚类（（1,2），（3））与聚类（（1），（2,3）），尽管前者在直观上更好”

他们建议将曲线之间的整个区域（也称为“地球移动者的距离”）用作距离度量标准，并展示其方法的优势。

Answer 3

Ludecan刚刚显示的应用示例如下：http://www.noamlupu.com/EMD.pdf。

有一个非常明确的经验解释（尽管针对特定领域-政治学）。对于不熟悉所涉及数学的人（例如我自己）可能有用。

我怎样才能测量距离＆＃34;两个CDF之间？

3 个答案: