Python sklearn paired_distances用法及代碼示例

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

用法:

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

計算 X 和 Y 之間的配對距離。

計算 (X[0], Y[0]), (X[1], Y[1]) 等之間的距離...

在用戶指南中閱讀更多信息。

參數：

X：ndarray 形狀(n_samples，n_features)

數組 1 用於距離計算。

Y：ndarray 形狀(n_samples，n_features)

數組 2 用於距離計算。

metric：str 或可調用，默認=”euclidean”

計算特征數組中實例之間的距離時使用的度量。如果 metric 是字符串，則它必須是 PAIRED_DISTANCES 中指定的選項之一，包括 “euclidean”, “manhattan” 或 “cosine”。或者，如果 metric 是可調用函數，則在每對實例(行)上調用它並記錄結果值。該可調用函數應將 X 中的兩個數組作為輸入，並返回一個指示它們之間距離的值。

返回：

distances：ndarray 形狀 (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.])