Python sklearn paired_distances用法及代码示例

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

用法:

sklearn.metrics.pairwise.paired_distances(X, Y, *, metric='euclidean', **kwds)

计算 X 和 Y 之间的配对距离。

计算 (X[0], Y[0]), (X[1], Y[1]) 等之间的距离...

在用户指南中阅读更多信息。

参数：

X：ndarray 形状(n_samples，n_features)

数组 1 用于距离计算。

Y：ndarray 形状(n_samples，n_features)

数组 2 用于距离计算。

metric：str 或可调用，默认=”euclidean”

计算特征数组中实例之间的距离时使用的度量。如果 metric 是字符串，则它必须是 PAIRED_DISTANCES 中指定的选项之一，包括 “euclidean”, “manhattan” 或 “cosine”。或者，如果 metric 是可调用函数，则在每对实例(行)上调用它并记录结果值。该可调用函数应将 X 中的两个数组作为输入，并返回一个指示它们之间距离的值。

返回：

distances：ndarray 形状 (n_samples,)

例子：

>>> from sklearn.metrics.pairwise import paired_distances
>>> X = [[0, 1], [1, 1]]
>>> Y = [[0, 1], [2, 1]]
>>> paired_distances(X, Y)
array([0., 1.])