Python sklearn DistanceMetric用法及代码示例

本文简要介绍python语言中 sklearn.metrics.DistanceMetric 的用法。

用法:

class sklearn.metrics.DistanceMetric

DistanceMetric 类

此类为快速距离度量函数提供了统一的接口。可以通过 get_metric 类方法和指标字符串标识符访问各种指标(见下文)。

例子：

>>> from sklearn.metrics import DistanceMetric
>>> dist = DistanceMetric.get_metric('euclidean')
>>> X = [[0, 1, 2],
         [3, 4, 5]]
>>> dist.pairwise(X)
array([[ 0.        ,  5.19615242],
       [ 5.19615242,  0.        ]])

可用指标

下面列出了字符串度量标识符和相关的距离度量类：

用于实值向量空间的指标：

identifier	类名称	args	距离函数
“euclidean”	EuclideanDistance		sqrt(sum((x - y)^2))
“manhattan”	ManhattanDistance		sum(|x - y|)
“chebyshev”	ChebyshevDistance		max(|x - y|)
“minkowski”	MinkowskiDistance	p, w	sum(w * |x - y|^p)^(1/p)
“wminkowski”	WMinkowskiDistance	p, w	sum(|w * (x - y)|^p)^(1/p)
“seuclidean”	SEuclideanDistance	V	sqrt(sum((x - y)^2 / V))
“mahalanobis”	MahalanobisDistance	Ⅴ或Ⅵ	sqrt((x - y)' V^-1 (x - y))

请注意，带有非无 w 参数的 “minkowski” 实际上会使用 w=w ** (1/p) 调用 WMinkowskiDistance，以便与 scipy 1.8 及更高版本的参数化保持一致。

用于二维向量空间的度量：请注意，harsine 距离度量需要 [latitude, longitude] 形式的数据，输入和输出均以弧度为单位。

identifier	类名称	距离函数
“haversine”	HaversineDistance	2 arcsin(sqrt(sin^2(0.5*dx) + cos(x1)cos(x2)sin^2(0.5*dy)))

用于整数值向量空间的度量：虽然用于整数值向量，但对于实值向量来说，这些也是有效的度量。

identifier	类名称	距离函数
“hamming”	HammingDistance	N_unequal(x, y) / N_tot
“canberra”	CanberraDistance	sum(|x - y| / (|x| + |y|))
“braycurtis”	BrayCurtisDistance	sum(|x - y|) / (sum(|x|) + sum(|y|))

用于布尔值向量空间的指标：任何非零条目都被评估为“True”。在下面的列表中，使用了以下缩写：

• N : 维数

• NTT：两个值都为 True 的暗点数

• NTF：第一个值为 True，第二个值为 False 的暗点数

• NFT：第一个值为 False，第二个值为 True 的点数

• NFF：两个值都为 False 的暗点数

• NNEQ：不等维数，NNEQ = NTF + NFT

• NNZ：非零维数，NNZ = NTF + NFT + NTT

identifier	类名称	距离函数
“jaccard”	JaccardDistance	NNEQ /NNZ
“matching”	MatchingDistance	NNEQ /N
“dice”	DiceDistance	NNEQ /(NTT + NNZ)
“kulsinski”	KulsinskiDistance	(NNEQ + N - NTT) /(NNEQ + N)
“rogerstanimoto”	RogersTanimotoDistance	2 * NNEQ /(N + NNEQ)
“russellrao”	RussellRaoDistance	(N - NTT) /N
“sokalmichener”	SokalMichenerDistance	2 * NNEQ /(N + NNEQ)
“sokalsneath”	SokalSneathDistance	NNEQ /(NNEQ + 0.5 * NTT)

用户定义距离：

identifier	类名称	args
“pyfunc”	PyFuncDistance	func

这里 func 是一个函数，它接受两个一维 numpy 数组，并返回一个距离。请注意，为了在 BallTree 中使用，距离必须是真正的度量：即它必须满足以下属性

1. 非负性：d(x, y) >= 0

2. 身份：d(x, y) = 0 当且仅当 x == y

3. 对称性：d(x, y) = d(y, x)

4. 三角不等式：d(x, y) + d(y, z) >= d(x, z)

由于调用 python 函数涉及到 Python 对象开销，这将相当慢，但它与其他距离具有相同的缩放比例。