Python SciPy distance.kulsinski用法及代码示例

本文简要介绍 python 语言中 scipy.spatial.distance.kulsinski 的用法。

用法:

scipy.spatial.distance.kulsinski(u, v, w=None)

计算两个布尔一维数组之间的 Kulsinski 相异度。

两个布尔一维数组 u 和 v 之间的 Kulsinski 差异定义为

\[\frac{c_{TF} + c_{FT} - c_{TT} + n} {c_{FT} + c_{TF} + n}\]

其中 \(c_{ij}\) 是 \(\mathtt{u[k]} = i\) 和 \(\mathtt{v[k]} = j\) 对于 \(k < n\) 的出现次数。

参数：

u： (N,) 数组, bool

输入数组。

v： (N,) 数组, bool

输入数组。

w： (N,) 数组, 可选

u 和 v 中每个值的权重。默认为 None，这使每个值的权重为 1.0

返回：

kulsinski： 双倍的

向量 u 和 v 之间的库尔辛斯基距离。

例子：

>>> from scipy.spatial import distance
>>> distance.kulsinski([1, 0, 0], [0, 1, 0])
1.0
>>> distance.kulsinski([1, 0, 0], [1, 1, 0])
0.75
>>> distance.kulsinski([1, 0, 0], [2, 1, 0])
0.33333333333333331
>>> distance.kulsinski([1, 0, 0], [3, 1, 0])
-0.5