本文簡要介紹python語言中 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)
從向量數組 X 和 Y 計算每對之間的距離矩陣。
出於效率原因,一對行向量 x 和 y 之間的歐式距離計算如下:
dist(x, y) = sqrt(dot(x, x) - 2 * dot(x, y) + dot(y, y))
與其他計算距離的方法相比,該公式有兩個優點。首先,它在處理稀疏數據時具有計算效率。其次,如果一個參數變化但另一個保持不變,則可以預先計算
dot(x, x)
和/或dot(y, y)
。但是,這不是進行此計算的最精確方法,因為此等式可能會受到“catastrophic cancellation” 的影響。此外,此函數返回的距離矩陣可能並不像
scipy.spatial.distance
函數所要求的那樣完全對稱。在用戶指南中閱讀更多信息。
- X:{類似數組的稀疏矩陣},形狀為 (n_samples_X, n_features)
一個數組,其中每一行是一個樣本,每一列是一個特征。
- Y:{類數組,稀疏矩陣},形狀為 (n_samples_Y, n_features),默認=無
一個數組,其中每一行是一個樣本,每一列是一個特征。如果
None
,方法使用Y=X
。- Y_norm_squared:形狀為 (n_samples_Y,) 或 (n_samples_Y, 1) 或 (1, n_samples_Y) 的類似數組,默認=無
Y 中向量的預計算 dot-products(例如
(Y**2).sum(axis=1)
)在某些情況下可能會被忽略,請參閱下麵的注釋。- squared:布爾,默認=假
返回平方歐幾裏得距離。
- X_norm_squared:形狀為 (n_samples_X,) 或 (n_samples_X, 1) 或 (1, n_samples_X) 的類似數組,默認=無
X 中向量的預計算 dot-products(例如
(X**2).sum(axis=1)
)在某些情況下可能會被忽略,請參閱下麵的注釋。
- distances:ndarray 形狀(n_samples_X,n_samples_Y)
返回
X
的行向量與Y
的行向量之間的距離。
參數:
返回:
注意:
為了獲得更好的準確性,如果
X_norm_squared
和Y_norm_squared
作為np.float32
傳遞,則它們可能未被使用。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]])
相關用法
- Python sklearn extract_patches_2d用法及代碼示例
- Python sklearn export_text用法及代碼示例
- Python sklearn enet_path用法及代碼示例
- Python sklearn export_graphviz用法及代碼示例
- Python sklearn empirical_covariance用法及代碼示例
- Python sklearn explained_variance_score用法及代碼示例
- Python sklearn jaccard_score用法及代碼示例
- Python sklearn WhiteKernel用法及代碼示例
- Python sklearn CalibrationDisplay.from_predictions用法及代碼示例
- Python sklearn VotingRegressor用法及代碼示例
- Python sklearn gen_batches用法及代碼示例
- Python sklearn ExpSineSquared用法及代碼示例
- Python sklearn MDS用法及代碼示例
- Python sklearn adjusted_rand_score用法及代碼示例
- Python sklearn MLPClassifier用法及代碼示例
- Python sklearn train_test_split用法及代碼示例
- Python sklearn RandomTreesEmbedding用法及代碼示例
- Python sklearn GradientBoostingRegressor用法及代碼示例
- Python sklearn GridSearchCV用法及代碼示例
- Python sklearn log_loss用法及代碼示例
- Python sklearn r2_score用法及代碼示例
- Python sklearn ndcg_score用法及代碼示例
- Python sklearn ShrunkCovariance用法及代碼示例
- Python sklearn SelfTrainingClassifier用法及代碼示例
- Python sklearn load_svmlight_file用法及代碼示例
注:本文由純淨天空篩選整理自scikit-learn.org大神的英文原創作品 sklearn.metrics.pairwise.euclidean_distances。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。