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……

在 用户指南 中阅读更多内容。

参数:

Xndarray of shape (n_samples, n_features)

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。

metricstr or callable, default=”euclidean”

计算特征数组中实例之间距离时所使用的度量。如果 metric 是一个字符串，它必须是 PAIRED_DISTANCES 中指定的选项之一，包括“euclidean”（欧氏距离）、“manhattan”（曼哈顿距离）或“cosine”（余弦距离）。或者，如果 metric 是一个可调用函数，它将作用于每一对实例（行）并记录结果值。该可调用对象应接收来自 X 的两个数组作为输入，并返回一个表示它们之间距离的值。

**kwdsdict

未使用参数。

返回:

distancesndarray of shape (n_samples,)

返回 X 的行向量与 Y 的行向量之间的距离。

另请参阅

sklearn.metrics.pairwise_distances

计算样本每一对之间的距离。

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.])