当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

Python cuml.metrics.pairwise_distances.pairwise_distances用法及代码示例


用法:

cuml.metrics.pairwise_distances.pairwise_distances(X, Y=None, metric='euclidean', handle=None, convert_dtype=True, metric_arg=2, **kwds)

从向量数组 X 和可选的 Y 计算距离矩阵。

此方法采用一个或两个向量数组，并返回一个距离矩阵。

如果给定 Y(默认为 None )，则返回的矩阵是来自 X 和 Y 的数组之间的成对距离。

指标的有效值为：

  • 来自scikit-learn：[‘cityblock’, ‘cosine’, ‘euclidean’、‘l1’, ‘l2’、‘manhattan’]。

    支持稀疏矩阵，请参阅‘sparse_pairwise_distances’。

  • 来自 scipy.spatial.distance：[‘sqeuclidean’]

    有关此指标的详细信息，请参阅 scipy.spatial.distance 的文档。支持稀疏矩阵。

参数：

X：形状的密集或稀疏矩阵(设备或主机)

(n_samples_x, n_features) 可接受的格式：cuDF DataFrame、NumPy ndarray、Numba 设备 ndarray、cuda 数组接口兼容数组(如 CuPy)或用于稀疏输入的 cupyx.scipy.sparse

Y：array-like(设备或主机)形状(n_samples_y，n_features)，可选

可接受的格式：cuDF DataFrame、NumPy ndarray、Numba 设备 ndarray、cuda 阵列接口兼容阵列，如 CuPy

metric：{“cityblock”, “cosine”, “euclidean”、“l1”、“l2”、“manhattan”、“sqeuclidean”}

计算特征数组中实例之间的距离时使用的度量。

convert_dtype：布尔值，可选(默认 = True)

当设置为 True 时，如果 Y 不同，该方法将在必要时将 Y 转换为与 X 相同的数据类型。这将增加用于该方法的内存。

返回：

D：数组 [n_samples_x, n_samples_x] 或 [n_samples_x, n_samples_y]

如果 Y 为无，则距离矩阵 D 使得 D_{i, j} 是给定矩阵 X 的第 i 个和第 j 个向量之间的距离。如果 Y 不是 None ，则 D_{i, j} 是来自 X 的第 i 个数组与来自 Y 的第 j 个数组之间的距离。

例子：

>>> import cupy as cp
>>> from cuml.metrics import pairwise_distances
>>>
>>> X = cp.array([[2.0, 3.0], [3.0, 5.0], [5.0, 8.0]])
>>> Y = cp.array([[1.0, 0.0], [2.0, 1.0]])
>>>
>>> # Euclidean Pairwise Distance, Single Input:
>>> pairwise_distances(X, metric='euclidean')
array([[0.        , 2.23606798, 5.83095189],
    [2.23606798, 0.        , 3.60555128],
    [5.83095189, 3.60555128, 0.        ]])
>>>
>>> # Cosine Pairwise Distance, Multi-Input:
>>> pairwise_distances(X, Y, metric='cosine')
array([[0.4452998 , 0.13175686],
    [0.48550424, 0.15633851],
    [0.47000106, 0.14671817]])
>>>
>>> # Manhattan Pairwise Distance, Multi-Input:
>>> pairwise_distances(X, Y, metric='manhattan')
array([[ 4.,  2.],
    [ 7.,  5.],
    [12., 10.]])

相关用法


注：本文由纯净天空筛选整理自rapids.ai大神的英文原创作品 cuml.metrics.pairwise_distances.pairwise_distances。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。