数据简单处理

1.编程实现任意给定两个相同维度的向量之间的欧氏距离计算函数dist_E(x,y)。
输入:两个任意k维向量x和y,其中k的值随由数据决定。如x=[3,20,3.5], y=[-3,34,7]。
python测试代码如下:
if name == “main”:
x=np.array([3,20,3.5])
y=np.array([-3,34,7])
dist=dist_E(x,y)
print(dist)
(python代码粘贴在此处)

def dist_E(vect1,vect2):
    if(vect1.size!= vect2.size):
        print("长度不符合要求")
    else:
        a=np.multiply((vect1-vect2),(vect1-vect2))
    dist=math.sqrt(a.sum())
    return dist

2.编程实现任意给定两个相同维度的向量之间的夹角余弦相似度计算函数sim=sim_COS(x,y)。输入:两个任意k维向量x和y,其中k的值由数据决定。
python测试代码如下:
if name == “main”:
x=np.array([3, 2, 0, 5, 0, 0, 0, 2, 0, 0])
y=np.array([1, 0, 0, 0, 0, 0, 0, 1, 0, 2])
sim=sim_COS(x,y)
print(sim)
(python代码粘贴在此处)

def sim_COS(vect1,vect2):
    if(vect1.size!= vect2.size):
        print("长度不符合要求")
    else:
s1=sum(vect1.*vect2)/(sqrt(sum(vect1.*vect1))*sqrt(sum(vect2.*vect2)))  
    return s1

3.编程实现任意给定两个相同维度的布尔向量之间的Jaccard系数计算函数dist1=dist_Jaccard(x,y)。
python测试代码如下:
if name == “main”:
x=np.array([1, 0, 0, 0, 0, 0, 1, 0, 0, 0])
y=np.array([1, 0, 0, 0, 0, 0, 0, 0, 0, 1])
dist=dist_Jaccard(x,y)
print(dist)
(python代码粘贴在此处)

def dist_Jaccard(vect1,vect2):
    dist=-1
    if(vect1.size!= vect2.size):
        print("长度不符合要求")
    else:
        a1=np.logical_and(vect1==1,vect2==1)
        a2=np.logical_or(vect1==1,vect2==1)
        x=vect1[a1]
        y=vect1[a2]
        n1=np.size(x)
        n2=np.size(y)
        dist=n1/n2
    return dist

4.编程实现任意给定两个相同维度的布尔向量之间的简单匹配系数计算函数dist1=dist_SMC(x,y)。
python测试代码如下:
if name == “main”:
x=np.array([1, 0, 0, 0, 0, 0, 1, 0, 0, 0])
y=np.array([1, 0, 0, 0, 0, 0, 0, 0, 0, 1])
dist=dist_SMC(x,y)
print(dist)
(python代码粘贴在此处)


```cpp
def dist_SMC(vect1,vect2):
    dist=-1
    if(vect1.size!= vect2.size):
        print("长度不符合要求")
    else:
        a1=np.logical_and(vect1==1,vect2==1)
        a2=np.logical_or(vect1==1,vect2==1)
        b1=np.logical_and(vect1==0,vect2==0)
        x=vect1[a1]
        y=vect1[a2]
        z=vect1[b1]
        n1=np.size(x)
        n2=np.size(y)
        n3=np.size(z)
        dist=(n1+n3)/(n2+n3)
    return dist
  • 1
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值