为了解决一个问题,我需要所有向量之间的曼哈顿距离。我试过sklearn.metrics.pairwise_distances
,但是大小太大了,所以为了减少内存占用,我使用scipy.spatial.distance.pdist
来获得距离的压缩1D
矩阵。你知道吗
我用了以下公式:
index = diagonalShape*(diagonalShape-1)/2 - (diagonalShape-i)*(diagonalShape-i-1)/2 + j - i - 1
计算1D
矩阵的索引,得到ij
的距离值。你知道吗
我观察到,对于许多条目,距离的形式不同于scipy
和sklearn
。当两个图书馆计算城市街区距离的公式相同时,为什么会出现这种情况?你知道吗
目前没有回答
相关问题 更多 >
编程相关推荐