成对距离#

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

计算X和Y之间的成对距离。

计算(X[0], Y[0]), (X[1], Y[1])等之间的距离。

更多信息请参见用户指南。

参数：

Xndarray of shape (n_samples, n_features): 用于距离计算的数组1。
Yndarray of shape (n_samples, n_features): 用于距离计算的数组2。
metricstr or callable, default=”euclidean”: 用于计算特征数组中实例之间距离的度量。如果 metric 是字符串，则必须是 PAIRED_DISTANCES 中指定的选项之一，包括“euclidean”（欧几里得距离）、“manhattan”（曼哈顿距离）或“cosine”（余弦距离）。或者，如果 metric 是可调用函数，则会对每对实例（行）调用该函数，并记录结果值。该可调用函数应将 X 中的两个数组作为输入，并返回表示它们之间距离的值。
**kwds**dict: 未使用的参数。

返回:

distancesndarray 形状为 (n_samples,): 返回 X 的行向量和 Y 的行向量之间的距离。

参见

sklearn.metrics.pairwise_distances: 计算每对样本之间的距离。

示例

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