Python SciPy distance.seuclidean用法及代碼示例

本文簡要介紹 python 語言中 scipy.spatial.distance.seuclidean 的用法。

用法:

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

返回兩個一維數組之間的標準化歐幾裏得距離。

兩個 n-vectors u 和 v 之間的標準化歐幾裏得距離為

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

V是方差向量； V[I] 是對點的所有 i-th 分量計算的方差。如果沒有通過，則自動計算。

參數 ：：

u： (N,) 數組

輸入數組。

v： (N,) 數組

輸入數組。

V： (N,) 數組

V 是分量方差的一維數組。它通常在更大的集合向量中計算。

返回 ：：

seuclidean： 雙倍的

向量 u 和 v 之間的標準化歐幾裏得距離。

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