scipy.spatial.distance.

sokalmichener#

scipy.spatial.distance.sokalmichener(u, v, w=None)[source]#

计算两个布尔 1-D 数组之间的 Sokal-Michener 差异。

自版本 1.15.0 起弃用: 此函数已弃用，将在 SciPy 1.17.0 中删除。用 rogerstanimoto(u, v) 替换 sokalmichener(u, v) 的使用。

布尔 1-D 数组 u 和 v 之间的 Sokal-Michener 差异定义为

\[\frac{R} {S + R}\]

其中 \(c_{ij}\) 是 \(\mathtt{u[k]} = i\) 和 \(\mathtt{v[k]} = j\) 的出现次数，对于 \(k < n\)， \(R = 2 * (c_{TF} + c_{FT})\) 并且 \(S = c_{FF} + c_{TT}\)。

参数:

u(N,) 类数组, bool: 输入数组。
v(N,) 类数组, bool: 输入数组。
w(N,) 类数组, 可选: u 和 v 中每个值的权重。默认为 None，这给每个值 1.0 的权重

返回:

sokalmichener双精度: 向量 u 和 v 之间的 Sokal-Michener 差异。

示例

>>> from scipy.spatial import distance
>>> distance.sokalmichener([1, 0, 0], [0, 1, 0])
0.8
>>> distance.sokalmichener([1, 0, 0], [1, 1, 0])
0.5
>>> distance.sokalmichener([1, 0, 0], [2, 0, 0])
-1.0