受我导师启发,他给推荐了个很好用的工具网站,从这个网站上找到了多种距离单位。
https://pythonot.github.io/all.html
主要看ot.dist()这个方法,该方法里面有个参数是“metric”,这个参数就是计算不同种类的距离,参数和torch.cdist()一样,传的就是MD 和 ND的矩阵,最后得到两个矩阵中行向量两两之间的距离,具体的文档如下:
可以看到,metric里面有一堆距离选项,我直接当场就想把电脑显示器吃掉,不讲武德,拿这么多距离来欺负年轻人,希望耗子尾汁,这个不设距离的话,就是默认的欧几里得距离,也就是两点之间的直线距离。挨着来吧:
braycurtis
使用场景:比较两个群落微生物的组成差异。是生态学中用来衡量不同样地物种组成差异的测度。其计算基于样本中不同物种组成的数量特征(多度,盖度,重要值等)。
结果意义:D值越小越好,表示向量组成差异小
参考链接:https://blog.csdn.net/zhihaoyi/article/details/90480003