scipy.spatial.distance.

seuclidean

scipy.spatial.distance.seuclidean(u, v, V)

返回两个一维数组之间的标准化欧几里得距离。

两个 n 维向量 u 和 v 之间的标准化欧几里得距离是

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

V 是方差向量；V[I] 是计算所有点的第 i 个分量的方差。如果没有传递，它会自动计算。

参数:

u(N,) 数组类

输入数组。

v(N,) 数组类

输入数组。

V(N,) 数组类

V 是一个一维的组件方差数组。它通常是在一个更大的向量集合中计算的。

返回:

seuclidean双

向量 u 和 v 之间的标准化欧几里得距离。

示例

Try it in your browser!

>>> 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

Go BackOpen In Tab