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