La función Correlate () en Numpy determina la correlación cruzada de dos secuencias unidimensionales.
Según los documentos oficiales de Numpy, la función Correlate () calcula la correlación como se define en los textos de procesamiento de señal:
1 | c_ av [k] = sum_n a [n+k] * conj (v [n]) |
En términos más simplistas, la correlación cruzada se refiere a la medición de las similitudes entre dos secuencias en función del desplazamiento de una serie entre sí.
Puede apreciar las matemáticas y la lógica detrás de la correlación cruzada en el recurso a continuación:
https: // en.Wikipedia.org/wiki/correlación cruzada
Sintaxis de funciones
Por ahora, centrémonos en la función Correlate () en Numpy y sus trabajos
La sintaxis de la función se muestra a continuación:
1 | numpy.correlacionar (a, v, mode = 'válido') |
Los parámetros de la función son los siguientes:
Valor de retorno
La función luego devolverá el valor discreto de correlación cruzada de las secuencias de entrada.
Ejemplo 1
Tome el ejemplo a continuación que muestra cómo usar la función Correlate () para determinar la correlación cruzada de dos secuencias.
1 2 3 4 5 6 | # Importar Numpy importar numpy como np a = np.Array ([1,2,3]) V = NP.matriz ([1., 2, 3.3]) Imprimir (NP.correlacionar (a, v)) |
El ejemplo anterior debe devolver un valor de correlación cruzada como se muestra:
1 | [14.9] |
Ejemplo #2
Para especificar el modo de convolución, podemos hacer:
1 2 3 | a = np.Array ([1,2,3]) V = NP.matriz ([1., 2, 3.3]) Imprimir (NP.correlacionar (a, v, 'lo mismo')) |
El código anterior debe devolver la correlación cruzada utilizando el modo de convolución 'mismo'.
1 | [8.6 14.9 8. ] |
Ejemplo #3
Para el modo de convolución 'completo', el ejemplo anterior debería devolver:
1 2 3 | a = np.Array ([1,2,3]) V = NP.matriz ([1., 2, 3.3]) Imprimir (NP.correlacionar (a, v, 'completo')) |
Producción:
1 | [3.3 8.6 14.9 8. 3. ] |
Conclusión
Esta guía ofrece los fundamentos de trabajar con la función Correlate () en Numpy. Siéntase libre de explorar los documentos para más.
Codificación feliz!!