如何使用numpy数组找到最小MSE的值？

Question

我可能的价值观是：

0: [0 0 0 0]
1: [1 0 0 0]
2: [1 1 0 0]
3: [1 1 1 0]
4: [1 1 1 1]

我有一些价值观：

^{pr2}$

我想知道我的可能值中，哪一个最接近我的新值。理想情况下，我想避免执行for循环，并想知道是否有某种向量化的方法来搜索最小均方误差？在

我希望它返回一个如下的数组：[2, 1 ....

Answer 1

您可以使用np.argmin来获得rmse值的最低索引，该索引可以使用np.linalg.norm来计算

import numpy as np
a = np.array([[0, 0, 0, 0], [1, 0, 0, 0], [1, 1, 0, 0],[1, 1, 1, 0], [1, 1, 1, 1]])
b = np.array([0.9539342, 0.84090066, 0.46451256, 0.09715253])
np.argmin(np.linalg.norm(a-b, axis=1))
#outputs 2 which corresponds to the value [1, 1, 0, 0]

正如编辑中提到的，b可以有多行。op想避免for循环，但我似乎找不到避免for循环的方法。这是一个列表补偿的方法，但是还有更好的方法

^{pr2}$