sklearn.metrics.pairwise_distances_argmin_min¶
sklearn.metrics.pairwise_distances_argmin_min(X, Y, *, axis=1, metric='euclidean', metric_kwargs=None)
计算一个点与一组点之间的最小距离。
此函数为X中的每一行计算最接近（根据指定距离）的Y行的索引。还返回最小距离。
这主要等同于调用：
（pairwise_distances（X，Y = Y，metric = metric）.argmin（axis = axis），
pairwise_distances（X，Y = Y，metric = metric）.min（axis = axis））
但是使用更少的内存，并且对于大型数组更快。
| 参数 | 说明 |
|---|---|
| X | {array-like, sparse matrix}, shape (n_samples1, n_features) 包含点的数组。 |
| Y | {array-like, sparse matrix}, shape (n_samples2, n_features) 包含点的数组。 |
| axis | int, optional, default 1 沿其计算argmin和距离的轴。 |
| metric | string or callable, default ‘euclidean’ 用于距离计算的指标。可以使用scikit-learn或scipy.spatial.distance中的任何度量。 如果metric是可调用的函数，则会在每对实例（行）上调用它，并记录结果值。可调用对象应将两个数组作为输入并返回一个值，指示它们之间的距离。这适用于Scipy的指标，但效率不如将指标名称作为字符串传递。 不支持距离矩阵。 指标的有效值为： - 来自scikit-learn：[‘cityblock’, ‘cosine’, ‘euclidean’, ‘l1’, ‘l2’, ‘manhattan’] - 来自scipy.spatial.distance：[‘braycurtis’, ‘canberra’, ‘chebyshev’, ‘correlation’, ‘dice’, ‘hamming’, ‘jaccard’, ‘kulsinski’, ‘mahalanobis’, ‘minkowski’, ‘rogerstanimoto’, ‘russellrao’, ‘seuclidean’, ‘sokalmichener’, ‘sokalsneath’, ‘sqeuclidean’, ‘yule’] 有关这些指标的详细信息，请参见scipy.spatial.distance的文档。 |
| metric_kwargs | dict, optional 传递给指定指标函数的关键字参数。 |
| 返回值 | 说明 |
|---|---|
| argmin | numpy.ndarray Y [argmin [i]，：]是Y中最接近X [i，：]的行。 |
| distances | numpy.ndarray distances [i]是X中第i行与Y中第argmin [i]行之间的距离。 |
另见：