时间戳

首页 > 解决方案 > 数据集的最小距离

python - 数据集的最小距离

问题描述

from scipy.spatial.distance import cdist
from sklearn.datasets import make_moons

X, y = make_moons()
cdist(X,X).min(axis=1)

给我

array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
       0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
       0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
       0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
       0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
       0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])

这不是我想要的。我想要不等于的所有点X之间的最小距离。当然，如果，那么我会得到。我怎样才能做到这一点？iji=j0cdist

标签： pythonnumpyscikit-learndistance

解决方案

cdist计算数组的成对距离是一种过度杀伤力。对于数组，上三角形是所有可能距离的最小有意义表示，不包括到自身的 0 距离。这样做的方法是使用pdist：

from scipy.spatial.distance import pdist
from sklearn.datasets import make_moons

X, y = make_moons()
# desired output
pdist(X).min()

它返回一个上三角 ndarray，它是：

Y：ndarray 返回一个压缩距离矩阵 Y。对于每个 i 和 j（其中 i<j<m），其中 m 是原始观测值的数量。度量 dist(u=X[i], v=X[j]) 被计算并存储在条目 ij 中。

您可以在此处阅读有关压缩矩阵的更多信息

时间比较：

%timeit pdist(X)
73 µs ± 825 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

%timeit cdist(X,X)
112 µs ± 315 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

推荐阅读