本文简要介绍python语言中 sklearn.metrics.pairwise.euclidean_distances
的用法。
用法:
sklearn.metrics.pairwise.euclidean_distances(X, Y=None, *, Y_norm_squared=None, squared=False, X_norm_squared=None)
从向量数组 X 和 Y 计算每对之间的距离矩阵。
出于效率原因,一对行向量 x 和 y 之间的欧式距离计算如下:
dist(x, y) = sqrt(dot(x, x) - 2 * dot(x, y) + dot(y, y))
与其他计算距离的方法相比,该公式有两个优点。首先,它在处理稀疏数据时具有计算效率。其次,如果一个参数变化但另一个保持不变,则可以预先计算
dot(x, x)
和/或dot(y, y)
。但是,这不是进行此计算的最精确方法,因为此等式可能会受到“catastrophic cancellation” 的影响。此外,此函数返回的距离矩阵可能并不像
scipy.spatial.distance
函数所要求的那样完全对称。在用户指南中阅读更多信息。
- X:{类似数组的稀疏矩阵},形状为 (n_samples_X, n_features)
一个数组,其中每一行是一个样本,每一列是一个特征。
- Y:{类数组,稀疏矩阵},形状为 (n_samples_Y, n_features),默认=无
一个数组,其中每一行是一个样本,每一列是一个特征。如果
None
,方法使用Y=X
。- Y_norm_squared:形状为 (n_samples_Y,) 或 (n_samples_Y, 1) 或 (1, n_samples_Y) 的类似数组,默认=无
Y 中向量的预计算 dot-products(例如
(Y**2).sum(axis=1)
)在某些情况下可能会被忽略,请参阅下面的注释。- squared:布尔,默认=假
返回平方欧几里得距离。
- X_norm_squared:形状为 (n_samples_X,) 或 (n_samples_X, 1) 或 (1, n_samples_X) 的类似数组,默认=无
X 中向量的预计算 dot-products(例如
(X**2).sum(axis=1)
)在某些情况下可能会被忽略,请参阅下面的注释。
- distances:ndarray 形状(n_samples_X,n_samples_Y)
返回
X
的行向量与Y
的行向量之间的距离。
参数:
返回:
注意:
为了获得更好的准确性,如果
X_norm_squared
和Y_norm_squared
作为np.float32
传递,则它们可能未被使用。例子:
>>> from sklearn.metrics.pairwise import euclidean_distances >>> X = [[0, 1], [1, 1]] >>> # distance between rows of X >>> euclidean_distances(X, X) array([[0., 1.], [1., 0.]]) >>> # get distance to origin >>> euclidean_distances(X, [[0, 0]]) array([[1. ], [1.41421356]])
相关用法
- Python sklearn extract_patches_2d用法及代码示例
- Python sklearn export_text用法及代码示例
- Python sklearn enet_path用法及代码示例
- Python sklearn export_graphviz用法及代码示例
- Python sklearn empirical_covariance用法及代码示例
- Python sklearn explained_variance_score用法及代码示例
- Python sklearn jaccard_score用法及代码示例
- Python sklearn WhiteKernel用法及代码示例
- Python sklearn CalibrationDisplay.from_predictions用法及代码示例
- Python sklearn VotingRegressor用法及代码示例
- Python sklearn gen_batches用法及代码示例
- Python sklearn ExpSineSquared用法及代码示例
- Python sklearn MDS用法及代码示例
- Python sklearn adjusted_rand_score用法及代码示例
- Python sklearn MLPClassifier用法及代码示例
- Python sklearn train_test_split用法及代码示例
- Python sklearn RandomTreesEmbedding用法及代码示例
- Python sklearn GradientBoostingRegressor用法及代码示例
- Python sklearn GridSearchCV用法及代码示例
- Python sklearn log_loss用法及代码示例
- Python sklearn r2_score用法及代码示例
- Python sklearn ndcg_score用法及代码示例
- Python sklearn ShrunkCovariance用法及代码示例
- Python sklearn SelfTrainingClassifier用法及代码示例
- Python sklearn load_svmlight_file用法及代码示例
注:本文由纯净天空筛选整理自scikit-learn.org大神的英文原创作品 sklearn.metrics.pairwise.euclidean_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。