CentralFeature

CentralFeature[{x1,x2,…}]

给出元素 的中心要素.

CentralFeature[{x1v1,x2v2,…}]

给出对应于中心要素 的 vi.

CentralFeature[data]

给出不同格式的 data 的中心要素.

更多信息和选项

范例

打开所有单元关闭所有单元

基本范例  (2)

求向量列表的中心要素：

求给定权重的向量列表的中心要素：

范围  (9)

同样的输入，输出格式不同：

可对 WeightedData 求中心要素：

大型数组的中心要素：

加权中心要素：

求含有量的数据的中心要素：

求图像列表的中心要素：

图片列表：

三维图像列表：

计算字符串的中心要素：

计算布尔向量的中心要素：

计算日期对象列表的中心要素：

计算测地位置的中心要素：

选项  (2)

DistanceFunction  (2)

缺省情况下，使用欧氏距离：

ChessboardDistance 只考虑考虑具有最大间隔的维度：

可用符号给出 DistanceFunction：

或用纯函数：

应用  (4)

在异常值出现的情况下，获取多变量位置的稳健估计：

极值对 Mean 有很大的影响：

来自凸多边形的点：

通过计算随机点的中心要素估计多边形的中心：

根据城市的位置，求加州的中心要素：

根据按人口加权的城市的位置，求加州的中心要素：

画出城市的位置（灰色），未加权的中心要素（红色）和加权的中心要素（黑色）：

俄亥俄州最大的八个城市：

根据 TravelDistance 算出的八个城市的中心要素：

根据 TravelDistance 算出的从中心要素到其他城市的距离的和：

画出城市的位置（灰色）和中心要素（红色）：

属性和关系  (5)

CentralFeature 是一个多变量位置度量：

Mean 也是一种位置度量：

显示数据点及中心要素和均值：

CentralFeature 找出最小化距离和的数据点：

根据定义直接计算中心要素：

可视化数据点及距离函数的和：

对于单变量数据，当数据长度是奇数时， CentralFeature 与 Median 相同：

CentralFeature 找出数据中使得到其他数据点的距离之和最小化的元素：

SpatialMedian 找出域中最小化距离和的点：

相对于 CentralFeature 的距离和要大于或等于相对于 SpatialMedian 的距离和：

创建随机图，其中边的权重从 0 和 1 之间均匀采样：

找出 GraphCenter：

用 GraphDistance 指定每对顶点间的距离：

用 CentralFeature 找出中心：

可能存在的问题  (1)

对于非加权的双元素列表，CentralFeature 返回第一个元素：

对于加权的双元素列表，它选择权值最大的元素，从而最小化 :

Wolfram Research (2017)，CentralFeature，Wolfram 语言函数，https://reference.wolfram.com/language/ref/CentralFeature.html.

文本

Wolfram Research (2017)，CentralFeature，Wolfram 语言函数，https://reference.wolfram.com/language/ref/CentralFeature.html.

CMS

Wolfram 语言. 2017. "CentralFeature." Wolfram 语言与系统参考资料中心. Wolfram Research. https://reference.wolfram.com/language/ref/CentralFeature.html.

APA

Wolfram 语言. (2017). CentralFeature. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/CentralFeature.html 年

BibTeX

@misc{reference.wolfram_2024_centralfeature, author="Wolfram Research", title="{CentralFeature}", year="2017", howpublished="\url{https://reference.wolfram.com/language/ref/CentralFeature.html}", note=[Accessed: 21-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_centralfeature, organization={Wolfram Research}, title={CentralFeature}, year={2017}, url={https://reference.wolfram.com/language/ref/CentralFeature.html}, note=[Accessed: 21-November-2024 ]}