Python|【20211129】【Python】使用Python计算欧氏距离的方法

该问题源于工作中使用 k 折交叉验证选取最优的 KMeans 算法参数,过程中使用欧氏距离来评价参数的优劣。
1. 代公式,封装成函数 Python|【20211129】【Python】使用Python计算欧氏距离的方法
文章图片

def calEuclidean(x, y): dist = np.sqrt(np.sum(np.square(x-y)))# 注意:np.array 类型的数据可以直接进行向量、矩阵加减运算。np.square 是对每个元素求平均~~~~ return dist

2. 调用 numpy 函数库 使用 numpy.linalg.norm(x, y) 可以计算向量 x 和向量 y 的欧氏距离~
def choose_bestK(myData): ''' 使用 K 折交叉验证,结合 KMeans 聚类算法,选取最优的 K Input: myData 是训练集 ''' kMax = 5 scoreLis = [] for k in range(1, kMax+1): kmeans = KMeans(n_clusters=k) kmeans.fit(myData) mu = kmeans.cluster_centers_ score = 0 for i, l in enumerate(kmeans.labels_):# i是索引,l是类簇 score += np.linalg.norm(myData[i, :] - mu[l, :])# 计算欧氏距离scoreLis.append(score)return np.argmin(scoreLis)+1# 返回 score 最小的对应索引

(参考:Python 计算Numpy向量之间的欧氏距离)
(参考:欧几里得度量)
知识点 1. np.square() 函数
函数功能:计算数组/向量/矩阵的元素的平方。
返回:返回一个新数组/向量/矩阵,他们的元素是源数组/向量/矩阵元素的平方。
(参考:Python中的numpy.square())
2. 类似地,对元素进行计算的还有 np.exp()、np.sqrt()、np.log()、np.sign() 等。
(参考:Numpy数学函数abs,sqrt(),square(),exp(),log(),sign(), 四舍五入函数,modf(),isnan(),isfinite()、isinf(),三角函数,二元函数等)

【Python|【20211129】【Python】使用Python计算欧氏距离的方法】

    推荐阅读