Python實現(xiàn)曲線的肘部點檢測詳解
肘部法則是經(jīng)常使用的法則。很多時候,可以憑人工經(jīng)驗去找最優(yōu)拐點,但有時需要自動尋找拐點。最近解決了一下這個問題,希望對各位有用。
一. 術語解釋
**肘形曲線(elbow curve)**類似人胳膊狀的曲線,拐點在肘部。**膝形曲線(knee curve)人腿形的曲線,拐點在膝蓋。這類曲線和二八原則(即帕托累法則)**不謀而合,做決策時,自然選擇肘點或膝點做參考。按照拐點在左還是右側(cè)來分,細分為:左膝點曲線,右膝點曲線,左肘點曲線,右肘點曲線。
曲線示意圖如下:
左膝點曲線膝點在左邊的曲線(術語是我自己起的,明白意思就好,膝點在左邊)如下:
從形狀上,四種曲線沒有大的區(qū)別,可以相互轉(zhuǎn)化:
肘曲線與膝曲線相互轉(zhuǎn)化,用曲線最大值減去曲線各點值即可。同類型曲線,左右拐點轉(zhuǎn)化,就是切換升序降序排序即可。
它們都可以計算拐點,其中以左膝點曲線(見下圖)計算拐點最簡單,所以以其為標準曲線。
二. 拐點檢測
左膝點曲線,原理是其二次曲線導數(shù)最大點,如下:
對于離散序列來說,當x軸差為1時,二次曲線計算公式為:
f′′(xi?)=f(xi−1?)+f(xi+1?)−2*f(xi?)
推薦一個簡單的包:kneed
Github地址
支持:Python 3.7, 3.8, 3.9, and 3.10. 安裝如下:
$ conda install -c conda-forge kneed # 或者 $ pip install kneed # To install only knee-detection algorithm $ pip install kneed[plot] # To also install plotting functions for quick
使用如下:
from kneed import DataGenerator, KneeLocator x, y = DataGenerator.figure2() print([round(i, 3) for i in x]) print([round(i, 3) for i in y]) # out: [0.0, 0.111, 0.222, 0.333, 0.444, 0.556, 0.667, 0.778, 0.889, 1.0] # out: [-5.0, 0.263, 1.897, 2.692, 3.163, 3.475, 3.696, 3.861, 3.989, 4.091] kneedle = KneeLocator(x, y, S=1.0, curve="concave", direction="increasing") print(round(kneedle.knee, 3)) # out: 0.222 print(round(kneedle.elbow, 3)) # out: 0.222
到此這篇關于Python實現(xiàn)曲線的肘部點檢測詳解的文章就介紹到這了,更多相關Python曲線肘部點檢測內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!
相關文章
pyMySQL SQL語句傳參問題,單個參數(shù)或多個參數(shù)說明
這篇文章主要介紹了pyMySQL SQL語句傳參問題,單個參數(shù)或多個參數(shù)說明,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-06-06Python集成開發(fā)環(huán)境pycharm配置git的實現(xiàn)步驟
本文主要介紹了Python集成開發(fā)環(huán)境pycharm配置git的實現(xiàn)步驟,文中通過圖文的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2024-05-05詳解Python圖像形態(tài)學處理(開運算,閉運算,梯度運算)
數(shù)學形態(tài)學(Mathematical Morphology)是一種應用于圖像處理和模式識別領域的新方法。本文將為大家介紹Python圖像形態(tài)學處理中的開運算、閉運算和梯度運算,感興趣的可以了解一下2022-06-06Python實現(xiàn)pdf轉(zhuǎn)word詳細代碼
在日常工作中,我們經(jīng)常會遇到需要將PDF文件轉(zhuǎn)換成Word文件的需求。雖然市面上有許多PDF轉(zhuǎn)Word的工具,但是它們通常需要付費或者有轉(zhuǎn)換后的格式問題,這篇文章主要給大家介紹了關于Python實現(xiàn)pdf轉(zhuǎn)word的相關資料,需要的朋友可以參考下2023-09-09