sklearn.metrics.pairwise.euclidean_distances

参数

---

X：array_like或者稀疏矩阵，（n_samples_1，n_features）

Y : array_like或者稀疏矩阵，（n_samples_2，n_features）

Y_norm_squared ：  shape（n_sample_2，）。Y的行向量点积。

squared： 是否返回平方欧几里德距离。

返回

---

distances： shape（n_samples_1 , n_samples_2）

流程

---

1、检查X、Y并转换，确保在计算距离时能够正确安全的被使用（arrays，floats，same features）。检查函数参见check_pairwise_arrays()

2、如果Y_norm_squared不为None：

            (1)  检查Y_norm_squared并赋值YY。检验函数参见check_array()

            (2)  若YY.shape不为（1，Y.shape[0]）则报错（Y与Y_norm_squared的维度不符）

      若为None：

            重新计算Y的行向量点积赋予YY，计算函数参见row_norms()

       若X与Y是同一个则XX = YY.T。若非，则重新计算X的行向量点积赋予XX，计算函数同参见row_norms()

3、计算距离。首先计算X与Y.T的点积，点积计算函数参见safe_sparse_dot()，然后根据公式得到距离distances（保证正值）。

4、如果X为Y，确保距离为0.0

5、若squared为真则直接返回distances，否则开方后再返回。

转载于:https://my.oschina.net/u/2336336/blog/478875