成對距離#

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

計算 X 和 Y 之間的成對距離。

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

在使用者指南中閱讀更多資訊。

參數:

X形狀為 (n_samples, n_features) 的 ndarray: 用於距離計算的陣列 1。
Y形狀為 (n_samples, n_features) 的 ndarray: 用於距離計算的陣列 2。
metricstr 或可呼叫物件，預設值為「euclidean」: 計算特徵陣列中實例之間的距離時使用的度量。如果 metric 是字串，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 是可呼叫函數，則會針對每一對實例（列）呼叫，並記錄結果值。可呼叫物件應接收來自 X 的兩個陣列作為輸入，並傳回表示它們之間距離的值。
**kwdsdict: 未使用的參數。

傳回值:

distances形狀為 (n_samples,) 的 ndarray: 返回 X 的列向量與 Y 的列向量之間的距離。

另請參閱

sklearn.metrics.pairwise_distances: 計算每對樣本之間的距離。

範例

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