paired_distances

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

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。

详情请参阅用户指南。

参数:

X形状为 (n_samples, n_features) 的 ndarray

用于距离计算的数组 1。

Y形状为 (n_samples, n_features) 的 ndarray

用于距离计算的数组 2。

metric字符串或可调用对象，默认值=”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，它必须是 PAIRED_DISTANCES 中指定的选项之一，包括“euclidean”、“manhattan”或“cosine”。或者，如果 metric 是一个可调用函数，它会作用于每对实例（行），并记录结果值。该可调用对象应将 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字典

未使用的参数。

返回:

distances形状为 (n_samples,) 的 ndarray

返回 X 的行向量和 Y 的行向量之间的距离。

另请参阅

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.])