相关疑难解决方法(0)

项目欧拉和其他编码竞赛通常有最长的运行时间或人们吹嘘他们的特定解决方案运行的速度.使用python,有时候这些方法有点像kludgey - 即添加时间码__main__.

分析python程序运行多长时间的好方法是什么？

我有一系列的线数据（2-3个连接点）。我能用来将线分类到它们的位置相似性的最佳机器学习算法是什么？（下图）

最好是python库，例如SciKit-Learn。

编辑： 我已经尝试过DBSCAN，但是我面临的问题是，如果有两条线彼此相交，即使它们完全朝着不同的方向，有时DBSCAN也会将它们视为一组。

这是我到目前为止找到的解决方案：

GeoPath聚类算法

这里的想法是将彼此非常相似的地理路径归为一组。

脚步：

1-基于斜率的聚类线

2-在第1步的每个聚类中，找到线的中心，并使用k-mean算法将它们聚成较小的组

3-在步骤2的每个地理组中，计算在定义的长度阈值内的每条线和每组线的长度

结果将是几组具有相似斜率，彼此靠近且具有相似行进距离的线。

这是可视化的屏幕截图：黄线是所有线，红线是一起行进的路径簇。

我有多个网格（numpy数组[Nk，Ny，Nx]），并希望使用Hausdorff距离作为这些网格的相似性度量。scipy中有多个模块（scipy.spatial.distance.cdist，scipy.spatial.distance.pdist），可用于计算2D阵列之间的欧几里得距离。现在要比较网格，我必须选择一些横截面（例如grid1 [0 ,:]和grid2 [0 ,:]）并将其相互比较。是否可以直接计算3D网格之间的Hausdorff距离？