标签：distance None metric 矩阵 距离 pairwise sklearn

pairwise_distance在sklearn的官网中解释为“从X向量数组中计算距离矩阵”，对不懂的人来说过于简单，不甚了了。

实际上，pairwise的意思是每个元素分别对应。因此pairwise_distance就是指计算两个输入矩阵X、Y之间对应元素的距离。

pairwise_distances(X, Y=None, metric='euclidean'...)

该函数的输入是一个矩阵/二维数组等等，Y可以为None，当Y为None时，代码实现里会将Y替换成X，而metric指明X和Y每对元素之间采用的距离公式。

对于euclidean，使用欧式距离。另外还支持‘braycurtis’, ‘canberra’, ‘chebyshev’, ‘correlation’, ‘dice’, ‘hamming’, ‘jaccard’, ‘kulsinski’, ‘mahalanobis’, ‘matching’, ‘minkowski’, ‘rogerstanimoto’, ‘russellrao’, ‘seuclidean’, ‘sokalmichener’, ‘sokalsneath’, ‘sqeuclidean’, ‘yule’这些距离

标签：distance,None,metric,矩阵,距离,pairwise,sklearn
来源： https://www.cnblogs.com/webbery/p/12057617.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。