python写出类内散度矩阵计算模板

当计算类内散度矩阵时，我们需要先计算每个类别的均值向量，然后使用这些均值向量计算散度矩阵。下面是一个Python的类内散度矩阵计算模板：

import numpy as np

def within_class_scatter(X, y):
    unique_classes = np.unique(y)  # 获取所有唯一的类别
    num_features = X.shape[1]  # 特征的数量
    num_classes = len(unique_classes)  # 类别的数量

    mean_vectors = []  # 存储每个类别的均值向量
    scatter_matrix = np.zeros((num_features, num_features))  # 初始化散度矩阵

    for cls in unique_classes:
        class_samples = X[y == cls]  # 获取属于当前类别的样本
        class_mean = np.mean(class_samples, axis=0)  # 计算当前类别的均值向量
        mean_vectors.append(class_mean)

        # 计算当前类别的散度矩阵
        scatter_matrix += np.dot((class_samples - class_mean).T, (class_samples - class_mean))

    return scatter_matrix, mean_vectors

# 示例用法
X = np.array([[1, 2], [3, 4], [5, 6], [7, 8]])
y = np.array([0, 0, 1, 1])

scatter_matrix, mean_vectors = within_class_scatter(X, y)
print("散度矩阵：")
print(scatter_matrix)
print("均值向量：")
print(mean_vectors)

这个模板中，`X`是输入的特征矩阵，每行代表一个样本，每列代表一个特征。`y`是对应的类别标签。函数`within_class_scatter`会返回计算得到的类内散度矩阵和每个类别的均值向量。