scipy.spatial.distance.

sokalmichener#

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

计算两个布尔型一维数组之间的 Sokal-Michener 差异。

布尔型一维数组 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 \(\mathtt{v[k]} = j\) 出现的次数，其中 \(k < n\)，\(R = 2 * (c_{TF} + c_{FT})\) 且 \(S = c_{FF} + c_{TT}\).

参数:

u(N,) array_like, bool: 输入数组。
v(N,) array_like, bool: 输入数组。
w(N,) array_like, 可选: u 和 v 中每个值的权重。默认值为 None，它为每个值赋予 1.0 的权重。

返回值:

sokalmichenerdouble: 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