scipy.spatial.distance.

seuclidean#

scipy.spatial.distance.seuclidean(u, v, V)[source]#

返回兩個 1 維陣列之間的標準化歐幾里得距離。

兩個 n 維向量 u 和 v 之間的標準化歐幾里得距離為

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

V 是變異數向量；V[I] 是針對點的所有第 i 個分量計算的變異數。如果未傳遞，則會自動計算。

參數:

u(N,) 類陣列: 輸入陣列。
v(N,) 類陣列: 輸入陣列。
V(N,) 類陣列: V 是一個 1 維分量變異數陣列。它通常在一組更大的向量集合中計算。

返回:

seuclidean雙精度浮點數: 向量 u 和 v 之間的標準化歐幾里得距離。

範例

>>> 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