Python SciPy distance.seuclidean用法及代码示例

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

用法:

scipy.spatial.distance.seuclidean(u, v, V)#

返回两个一维数组之间的标准化欧几里得距离。

两个 n-vectors u 和 v 之间的标准化欧几里得距离为

\[\sqrt{\sum\limits_i \frac{1}{V_i} \left(u_i-v_i \right)^2}\]

V是方差向量； V[I] 是对点的所有 i-th 分量计算的方差。如果没有通过，则自动计算。

参数 ：：

u： (N,) 数组

输入数组。

v： (N,) 数组

输入数组。

V： (N,) 数组

V 是分量方差的一维数组。它通常在更大的集合向量中计算。

返回 ：：

seuclidean： 双倍的

向量 u 和 v 之间的标准化欧几里得距离。

例子：

>>> from scipy.spatial import distance
>>> distance.seuclidean([1, 0, 0], [0, 1, 0], [0.1, 0.1, 0.1])
4.4721359549995796
>>> distance.seuclidean([1, 0, 0], [0, 1, 0], [1, 0.1, 0.1])
3.3166247903553998
>>> distance.seuclidean([1, 0, 0], [0, 1, 0], [10, 0.1, 0.1])
3.1780497164141406