成對距離最小值索引與最小值#

sklearn.metrics.pairwise_distances_argmin_min(X, Y, *, axis=1, metric='euclidean', metric_kwargs=None)[來源]#

計算一個點和一組點之間的最小距離。

此函數會計算 X 中每一列，Y 中距離最近（根據指定的距離）的列的索引。同時也會傳回最小距離。

這大多等同於呼叫

(pairwise_distances(X, Y=Y, metric=metric).argmin(axis=axis),
 pairwise_distances(X, Y=Y, metric=metric).min(axis=axis))

但使用較少的記憶體，且對於大型陣列速度更快。

參數:

X形狀為 (n_samples_X, n_features) 的類陣列、稀疏矩陣

包含點的陣列。

Y形狀為 (n_samples_Y, n_features) 的類陣列、稀疏矩陣

包含點的陣列。

axisint，預設值為 1

計算最小值索引和距離的軸。

metric字串或可呼叫物件，預設值為「euclidean」

用於距離計算的度量。可以使用 scikit-learn 或 scipy.spatial.distance 的任何度量。

如果 metric 是一個可呼叫的函數，它會被應用於每對實例（列），並記錄結果值。該可呼叫函數應接收兩個陣列作為輸入，並回傳一個表示它們之間距離的值。這適用於 Scipy 的 metrics，但效率不如將 metric 名稱以字串形式傳遞。

不支援距離矩陣。

metric 的有效值為：

來自 scikit-learn：['cityblock', 'cosine', 'euclidean', 'l1', 'l2', 'manhattan', 'nan_euclidean']
來自 scipy.spatial.distance：['braycurtis', 'canberra', 'chebyshev', 'correlation', 'dice', 'hamming', 'jaccard', 'kulsinski', 'mahalanobis', 'minkowski', 'rogerstanimoto', 'russellrao', 'seuclidean', 'sokalmichener', 'sokalsneath', 'sqeuclidean', 'yule']

有關這些 metric 的詳細資訊，請參閱 scipy.spatial.distance 的文件。

注意

'kulsinski' 在 SciPy 1.9 中已被棄用，並將在 SciPy 1.11 中移除。

注意

'matching' 已在 SciPy 1.9 中移除（請改用 'hamming'）。

metric_kwargsdict，預設值為 None

要傳遞給指定 metric 函數的關鍵字參數。

回傳值:

argminndarray: Y[argmin[i], :] 是 Y 中最接近 X[i, :] 的列。
distancesndarray: 最小距離的陣列。distances[i] 是 X 中第 i 列與 Y 中第 argmin[i] 列之間的距離。

另請參閱

成對距離: X 和 Y 中每對樣本之間的距離。
成對距離最小值索引: 與 pairwise_distances_argmin_min 相同，但只回傳 argmins。

範例

>>> from sklearn.metrics.pairwise import pairwise_distances_argmin_min
>>> X = [[0, 0, 0], [1, 1, 1]]
>>> Y = [[1, 0, 0], [1, 1, 0]]
>>> argmin, distances = pairwise_distances_argmin_min(X, Y)
>>> argmin
array([0, 1])
>>> distances
array([1., 1.])