scipy.spatial.distance.

seuclidean#

scipy.spatial.distance.seuclidean(u, v, V)[source]#

返回两个一维数组之间的标准化欧几里得距离。

两个 n 向量 uv 之间的标准化欧几里得距离为

\[\sqrt{\sum\limits_i \frac{1}{V_i} \left(u_i-v_i \right)^2}\]

V 是方差向量;V[I] 是在点的所有第 i 个分量上计算的方差。 如果未传递,则会自动计算。

参数:
u(N,) array_like

输入数组。

v(N,) array_like

输入数组。

V(N,) array_like

V 是分量方差的一维数组。 它通常是在较大的向量集合中计算的。

返回值:
seuclideandouble

向量 uv 之间的标准化欧几里得距离。

示例

>>> from scipy.spatial import distance
>>> distance.seuclidean([1, 0, 0], [0, 1, 0], [0.1, 0.1, 0.1])
4.4721359549995796
>>> distance.seuclidean([1, 0, 0], [0, 1, 0], [1, 0.1, 0.1])
3.3166247903553998
>>> distance.seuclidean([1, 0, 0], [0, 1, 0], [10, 0.1, 0.1])
3.1780497164141406