manhattan_distances#

sklearn.metrics.pairwise.manhattan_distances(X, Y=None)[源码]#

计算 X 和 Y 中向量的 L1 距离。

在用户指南中了解更多。

参数:

X{类数组, 稀疏矩阵} 形状为 (n_samples_X, n_features): 一个数组，其中每行是一个样本，每列是一个特征。
Y{类数组, 稀疏矩阵} 形状为 (n_samples_Y, n_features), 默认为 None: 一个数组，其中每行是一个样本，每列是一个特征。如果为 None，该方法将使用 Y=X。

返回:

distances形状为 (n_samples_X, n_samples_Y) 的 ndarray: 成对 L1 距离。

注意

当 X 和/或 Y 是 CSR 稀疏矩阵且它们尚未处于规范格式时，此函数会就地修改它们以使其规范化。

示例

>>> from sklearn.metrics.pairwise import manhattan_distances
>>> manhattan_distances([[3]], [[3]])
array([[0.]])
>>> manhattan_distances([[3]], [[2]])
array([[1.]])
>>> manhattan_distances([[2]], [[3]])
array([[1.]])
>>> manhattan_distances([[1, 2], [3, 4]],         [[1, 2], [0, 3]])
array([[0., 2.],
       [4., 4.]])

manhattan_distances#

此页