Sklearn中pairwise_distances_argmin
Sklearn中pairwise_distances_argmin()方法
作用:遍历序列,求序列中距离的最小值,并返回其下标。
常用参数介绍:
pairwise_distances_argmin(X,y, axis=,metric=)
X,y:输入的序列
axis:取值0或1
metric:距离类型,通常使用euclidean(欧几里得距离)
返回值介绍:
返回值返回的是X或y序列中的下标。根据axis取值的不同返回的不同序列中的下标。
首先针对axis=1的情况,axis=1是计算X中与y距离最近,并返回对应y的下标。下面是例子。
from sklearn.metrics import pairwise_distances_argmin
X = [(0,0),(2,2)] #2个数据
y = [(1,0),(3,3),(2,2)] #3个数据
pairwise_distances_argmin(X,y,axis=1,metric='euclidean')
》》》
结果:array([0, 2], dtype=int64)
我们发现返回值只有两个,与X的数据个数一致。我们简单剖析一下。X中的一个数据(0,0)与y序列的三个数据计算距离,发现(0,0)与(1,0)的距离最近。(1,0)在y的下标是0。接着是X中的二个数据(2,2)与y序列的三个数据计算距离,发现(2,2)与(2,2)的距离最近。(2,2)在y的下标是2。于是就返回2。所以最后的结果是array([0, 2], dtype=int64)。
针对axis=0的情况,axis=0是计算y中与X距离最近,并返回对应X的下标。下面是例子。
from sklearn.metrics import pairwise_distances_argmin
X = [(0,0),(2,2)] #2个数据
y = [(1,0),(3,3),(2,2)] #3个数据
pairwise_distances_argmin(X,y,axis=0,metric='euclidean')
》》》
结果:array([0, 1, 1], dtype=int64)
我们发现返回值只有三个,与y的数据个数一致。与axis=1同理,只不过次是计算y中的数据与X数据的距离。y中的一个数据(1,0)与,x序列的两个个数据计算距离,发现(1,0)与(0,0)的距离最近。(0,0)在x的下标是0,返回0。第二个数据(3,3)与x序列计算距离,发现(3,3)与(2,2)的距离最近。(2,2)在x的下标是1,返回1。第三个数据(2,2),与x序列计算距离,发现(2,2)与(2,2)的距离最近。(2,2)在x的下标是1,返回1。所以最后的结果是array([0, 1, 1], dtype=int64)
Sklearn中pairwise_distances_argmin相关推荐
- sklearn中的聚类算法K-Means
1 概述 1.1 无监督学习与聚类算法 决策树.随机森林.逻辑回归虽然有着不同的功能,但却都属于"有监督学习"的一部分,即是说,模型在训练的时候,既需要特征矩阵XXX,也需要真实标 ...
- TF-IDF 原理及sklearn中的tf-idf实例分析
背景介绍 在一个大的文本语料库中,一些单词将出现很多次(例如 "the", "a", "is" 是英文),因此对文档的实际内容没有什么有意义 ...
- sklearn中的xgboost_xgboost来了
一.xgboost前奏 1,介绍一下啥是xgboost XGBoost全称是eXtreme Gradient Boosting,即极限梯度提升算法.它由陈天奇所设计,致力于让提升树突破自身的计算极限, ...
- python使用sklearn中的make_blobs函数生成聚类(clustering)分析需要的仿真数据、matplotlib可视化生成的仿真数据
python使用sklearn中的make_blobs函数生成聚类(clustering)分析需要的仿真数据.matplotlib可视化生成的仿真数据 目录
- python使用sklearn中的make_classification函数生成分类模型(classification)需要的仿真数据、使用pandas查看生成数据的特征数据、目标数据
python使用sklearn中的make_classification函数生成分类模型(classification)需要的仿真数据.使用pandas查看生成数据的特征数据(features).目标 ...
- Python中sklearn中HistGradientBoostingRegressor回归器配置单调约束参数monotonic_cst提高回归模型的抗噪声以及局部扰动的能力
Python中sklearn中HistGradientBoostingRegressor回归器配置单调约束参数monotonic_cst提高回归模型的抗噪声以及局部扰动的能力 目录
- sklearn中cross_val_score、cross_val_predict的用法比较
sklearn中cross_val_score.cross_val_predict的用法比较_程大海的博客-CSDN博客_cross_val_predict
- 一个例子来使用sklearn中的TfidfVectorizer
TfidfVectorizer 作用 将文本进行向量化表示. 原理 这里的tf(term frequency)是词的频数,idf(inverse document frequency)是这个词的逆文档 ...
- sklearn中分类器的比较
简 介: 运行对比了 分类器的比较? 中的sklearn中的分类的性能对比.这为我们理解机器学习中的特性提供了理解基础. 关键词: sklearn,python #mermaid-svg-UbOwlP ...
最新文章
- SQL中的SqlConnection连接方式
- 第一部分:开发前的准备-第三章 Application 基本原理
- 过半网友支持马斯克卖掉特斯拉10%股票,马斯克:会遵守投票结果
- Visual Studio 2013 Update 2 RTM 发布
- log4j2.xml
- html搜索框美化代码单词,CSS 漂亮搜索框美化代码
- poj 3071 Football
- 为什么要在WebAssembly中使用Rust?
- 兴城职高计算机,兴城学计算机,兴城学计算机去哪里,兴城学计算机一般工资能拿多少 - IT教育频道...
- 关于安卓模拟器的小故事
- PHP字符串函数hex2bin( 转换十六进制字符串为二进制字符串)
- dos从优盘启动计算机,制作U盘dos启动盘的五大步骤
- 用python分析《三国演义》中的社交网络
- 看到了一篇文章 ,很受感动 .
- 多表查询和动态SQL
- 聚簇索引,非聚簇索引
- 微信每天处理2.05亿通话 运营商只剩卖流量
- 了解爬虫的风险与以及如何规避风险-Java网络爬虫系统性学习与实战系列(3)
- 高速电路设计与仿真之Model Integrity篇(IBIS模型介绍)
- Locating UI Elements (WebElements)摘抄整理
热门文章
- MySQL的响应时间变慢
- SQL中的CONSTRAINT(约束)用法总结
- 矩形脉冲信号合成_矩形脉冲信号的分解和合成
- 【多GNSS系统PPP-RTK原型系统 及性能分析】
- 多usb摄像头串口设备名固定和永久授权
- LocalBroadcastManager 与 Context 的 registerReceiver / sendBroadcast / unregisterReceiver 方法的区别解析
- 线性LED驱动器行业调研报告 - 市场现状分析与发展前景预测
- 4-12......
- 2021年全球双稳态显示驱动IC行业调研及趋势分析报告
- LCD1602A接线图