Python学习——计算高维样本之间的距离

最新推荐文章于 2022-02-10 19:32:00 发布

卖萌的大米

最新推荐文章于 2022-02-10 19:32:00 发布

阅读量3.4k

点赞数 3

分类专栏： Python

本文链接：https://blog.csdn.net/qq_41938858/article/details/89396249

版权

Python 专栏收录该内容

8 篇文章 4 订阅

订阅专栏

import numpy as np
def cal_pairwise_dist(x):
    """
    计算pairwise距离
    :param x: 矩阵matrix
    :return: 距离
    """
    sum_x = np.sum(np.square(x), 1)
    dist = np.add(np.add(-2 * np.dot(x, x.T), sum_x).T, sum_x)
    return dist

比如有5个样本，每个样本有3个属性，那么就能组成5*3的矩阵X：
示例：

X  = np.array([[1, 3, 6], [34, 21, 9], [13, 7, 24], [6, 31, 5], [33, 16, 32]])
dist = cal_pairwise_dist(X)
print(dist)

>>>[[   0 1422  484  810 1869]
	   [1422    0  862  900  555]
       [ 484  862    0  986  545]
       [ 810  900  986    0 1683]
       [1869  555  545 1683    0]]