pairwise_distances_argmin

sklearn.metrics.pairwise_distances_argmin(X, Y, *, axis=1, metric='euclidean', metric_kwargs=None)[source]

Вычисление минимальных расстояний между одной точкой и набором точек.

Эта функция вычисляет для каждой строки в X индекс строки в Y, которая является ближайшей (согласно указанному расстоянию).

Это в основном эквивалентно вызову:

pairwise_distances(X, Y=Y, metric=metric).argmin(axis=axis)

но использует значительно меньше памяти и быстрее для больших массивов.

Эта функция работает только с плоскими двумерными массивами.

Параметры:

X{array-like, sparse matrix} of shape (n_samples_X, n_features)

Массив, содержащий точки.

Y{array-like, sparse matrix} of shape (n_samples_Y, n_features)

Массивы, содержащие точки.

axisint, default=1

Ось, по которой вычисляются argmin и расстояния.

metricstr or callable, default=”euclidean”

Метрика, используемая для вычисления расстояния. Можно использовать любую метрику из scikit-learn или scipy.spatial.distance.

Если метрика является вызываемой функцией, она вызывается для каждой пары экземпляров (строк), и полученное значение записывается. Вызываемая функция должна принимать два массива в качестве входных данных и возвращать одно значение, указывающее расстояние между ними. Это работает для метрик Scipy, но менее эффективно, чем передача имени метрики в виде строки.

Матрицы расстояний не поддерживаются.

Допустимые значения для метрики:

• из scikit-learn: [‘cityblock’, ‘cosine’, ‘euclidean’, ‘l1’, ‘l2’, ‘manhattan’, ‘nan_euclidean’]
• из scipy.spatial.distance: [‘braycurtis’, ‘canberra’, ‘chebyshev’, ‘correlation’, ‘dice’, ‘hamming’, ‘jaccard’, ‘kulsinski’, ‘mahalanobis’, ‘minkowski’, ‘rogerstanimoto’, ‘russellrao’, ‘seuclidean’, ‘sokalmichener’, ‘sokalsneath’, ‘sqeuclidean’, ‘yule’]

Подробную информацию об этих метриках см. в документации scipy.spatial.distance.

Примечание

'kulsinski' устарела с SciPy 1.9 и будет удалена в SciPy 1.11.

Примечание

'matching' была удалена в SciPy 1.9 (используйте 'hamming' вместо неё).

metric_kwargsdict, default=None

Ключевые аргументы для передачи в указанную функцию метрики.

Возвращает:

argminnumpy.ndarray

Y[argmin[i], :] — строка в Y, которая наиболее близка к X[i, :].

См. также

pairwise_distances

Расстояния между каждой парой образцов X и Y.

pairwise_distances_argmin_min

То же, что и pairwise_distances_argmin, но также возвращает расстояния.

Примеры

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

Примеры галереи

Сравнение алгоритмов кластеризации K-Means и MiniBatchKMeans