Python sklearn DistanceMetric用法及代碼示例

本文簡要介紹python語言中 sklearn.metrics.DistanceMetric 的用法。

用法:

class sklearn.metrics.DistanceMetric

DistanceMetric 類

此類為快速距離度量函數提供了統一的接口。可以通過 get_metric 類方法和指標字符串標識符訪問各種指標(見下文)。

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.        ]])

可用指標

下麵列出了字符串度量標識符和相關的距離度量類：

用於實值向量空間的指標：

identifier	類名稱	args	距離函數
“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))

請注意，帶有非無 w 參數的 “minkowski” 實際上會使用 w=w ** (1/p) 調用 WMinkowskiDistance，以便與 scipy 1.8 及更高版本的參數化保持一致。

用於二維向量空間的度量：請注意，harsine 距離度量需要 [latitude, longitude] 形式的數據，輸入和輸出均以弧度為單位。

identifier	類名稱	距離函數
“haversine”	HaversineDistance	2 arcsin(sqrt(sin^2(0.5*dx) + cos(x1)cos(x2)sin^2(0.5*dy)))

用於整數值向量空間的度量：雖然用於整數值向量，但對於實值向量來說，這些也是有效的度量。

identifier	類名稱	距離函數
“hamming”	HammingDistance	N_unequal(x, y) / N_tot
“canberra”	CanberraDistance	sum(|x - y| / (|x| + |y|))
“braycurtis”	BrayCurtisDistance	sum(|x - y|) / (sum(|x|) + sum(|y|))

用於布爾值向量空間的指標：任何非零條目都被評估為“True”。在下麵的列表中，使用了以下縮寫：

• N : 維數

• NTT：兩個值都為 True 的暗點數

• NTF：第一個值為 True，第二個值為 False 的暗點數

• NFT：第一個值為 False，第二個值為 True 的點數

• NFF：兩個值都為 False 的暗點數

• NNEQ：不等維數，NNEQ = NTF + NFT

• NNZ：非零維數，NNZ = NTF + NFT + NTT

identifier	類名稱	距離函數
“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)

用戶定義距離：

identifier	類名稱	args
“pyfunc”	PyFuncDistance	func

這裏 func 是一個函數，它接受兩個一維 numpy 數組，並返回一個距離。請注意，為了在 BallTree 中使用，距離必須是真正的度量：即它必須滿足以下屬性

1. 非負性：d(x, y) >= 0

2. 身份：d(x, y) = 0 當且僅當 x == y

3. 對稱性：d(x, y) = d(y, x)

4. 三角不等式：d(x, y) + d(y, z) >= d(x, z)

由於調用 python 函數涉及到 Python 對象開銷，這將相當慢，但它與其他距離具有相同的縮放比例。