euclidean-distance相关内容
用于提取k均值群集中节点和质心之间距离的任何选项。 我对一个嵌入文本的数据集进行了KMeans聚类,我想知道每个集群中哪些节点远离质心,以便我可以检查各个节点的功能是否有所不同。 提前谢谢! 推荐答案 KMeans.transform()返回每个样本到群集中心的距离数组。 import numpy as np from sklearn.datasets import
..
我是集群算法的新手。我有一个包含200多部电影和100多个用户的电影数据集。所有用户都对至少一部电影进行了评分。值1表示好,0表示坏,如果批注器没有选择,则为空。 我想根据相似用户的评论对其进行聚类,因为将类似电影评为好的用户也可能会将未被同一群集中的任何用户评为好的电影评为好电影。我使用余弦相似性度量和k-均值聚类。CSV文件如下所示: UserID M1
..
我需要帮助才能知道我的块和网格的大小。 我正在构建一个python应用程序来执行基于Scipy的公制计算:欧几里德距离、曼哈顿、皮尔逊、余弦、加入其他。 项目为PycudaDistances。 它似乎可以很好地处理小数组。当我执行更详尽的测试时,不幸的是它不起作用。我下载了电影镜头集(http://www.grouplens.org/node/73)。 使用Movielens10
..
我需要计算两个矩形在特殊 x/y 网格上的重叠(数量或是/否).网格为 500x500,但边和角连接(连续).所以499之后的下一个点又变成0了. 在上一个问题中,我询问了一种计算此网格中两点之间距离的方法.原来是欧几里得距离: sqrt(min(|x1 - x2|, gridwidth - |x1 - x2|)^2 + min(|y1 - y2|, gridheight - |y1-y2
..
..
算法: 我正在用 CUDA 编写程序,问题如下: 两个矩阵 A (n * 128) 和 B (m * 128) 我取 A 的第一行,并逐一计算该向量与 B 的所有行之间的距离. 我把每个距离的结果写在矩阵C的一行上,所以C的元素C(i,j)包含了A的i行和B的j行的距离. 然后我继续 A 的下一行. 我是这样实现的:我有一个由 (n * m) 个块组成的网格,每
..
我看到另一个 StackOverflow 线程谈论计算欧几里得范数的各种实现,但我无法理解特定实现为什么/如何工作. 代码可以在 MMD 指标的实现中找到:https://github.com/josipd/torch-two-sample/blob/master/torch_two_sample/statistics_diff.py 这是一些开始的样板: 导入火炬sample_1,
..
我正在寻找一种有效的方法(没有 for 循环)来计算一组样本和一组簇质心之间的欧几里德距离. 示例: 将 numpy 导入为 npX = np.array([[1,2,3],[1, 1, 1],[0, 2, 0]])y = np.array([[1,2,3], [0, 1, 0]]) 预期输出: array([[ 0., 11.],[5., 2.],[10., 1.]]) 这是 X
..
我正在努力比较多个图像.我将这些图像数据作为称为“图像"的矩阵的列向量.我想通过首先计算它们的欧几里德距离来评估图像的相似性.然后我想创建一个矩阵,我可以在该矩阵上执行多次随机游走.现在,我的代码如下: % 清除% 循环% 关闭所有%% 加载茶垫;图像 = Input.X;M = zeros(size(images, 2), size (images, 2));对于 i = 1:size(ima
..
首先,这不是计算两个矩阵之间的欧几里德距离的问题. 假设我有两个矩阵 x 和 y,例如, set.seed(1)x X[,1] [,2] [,3] [,4] [,5][1,] -0.6264538 1.5952808 0.4874291 -0.3053884 -0.621240
..
我在二维空间中有一组点,需要计算每个点到另一个点的距离. 我的点数相对较少,最多可能有 100 个.但是因为我需要经常快速地确定这些移动点之间的关系,并且因为我知道遍历这些点可能与 O(n^2) 复杂性一样糟糕,我正在寻找利用 numpy 的矩阵魔法(或 scipy)的方法. 在我的代码中,每个对象的坐标都存储在它的类中.但是,当我更新类坐标时,我也可以在一个 numpy 数组中更新它
..
我有一个整数向量 vec1 并且我正在使用 dist 函数生成一个远程矩阵.我想获取距离矩阵中某个值的元素的坐标(行和列).本质上,我想获得相距 d 距离的一对元素.例如: vec1 比如说,我对向量中相距 5 个单位的一对元素感兴趣.我想得到坐标 1 是行和坐标 2 是距离矩阵的列.在这个玩具示例中,我希望 coord1# [1] 5坐标2# [1] 4 我想知道是否有一种不涉及将 d
..
我需要在matlab中计算2个矩阵之间的欧几里德距离.目前我正在使用 bsxfun 并计算如下距离(我附上了一段代码): for i=1:4754test_data=fea_test(i,:);d=sqrt(sum(bsxfun(@minus, test_data, fea_train).^2, 2));结尾 fea_test 的大小是 4754x1024 并且 fea_train 是 680
..
给定两组 d 维点.如何在 Matlab 中最有效地计算成对平方欧氏距离矩阵? 符号:第一组由 (numA,d)-matrix A 给出,第二组由 (numB,d)-matrix B.所得距离矩阵的格式应为 (numA,numB). 示例: d = 4;% 尺寸numA = 100;%套数1分numB = 200;%套数2分A = rand(numA,d);% set 1 作为矩阵
..
我有两个 x-y 坐标数组,我想在一个数组中找到 每个 点之间的最小欧几里德距离all 另一个数组中的点.数组的大小不一定相同.例如: xy1=numpy.array([[243, 3173],[525, 2997]])xy2=numpy.array([[682, 2644],[277, 2651],[396, 2640]]) 我当前的方法循环遍历 xy1 中的每个坐标 xy 并计算该坐标与其
..
我在 3D 中有两点: (xa, ya, za)(xb, yb, zb) 我想计算距离: dist = sqrt((xa-xb)^2 + (ya-yb)^2 + (za-zb)^2) 使用 NumPy 或一般的 Python 执行此操作的最佳方法是什么?我有: 导入numpya = numpy.array((xa,ya, za))b = numpy.array((xb, yb, zb))
..
是否有代码/库可以计算 3D 平面(平行四边形)的 Voronoi 图?我检查了 Qhull,它似乎只能处理点,在它的示例中,Voro++ 可以处理不同大小的球体,但我找不到多边形的任何内容. 在此图像中(3d 中的样本平面) 平行四边形是 3D 的,因为它们具有厚度,但在这种情况下,厚度将为零. 解决方案 Voronoi 单元不是平行四边形.您在这里对您发布的图片感到困惑.Voro
..
是否有代码/库可以计算 3D 平面(平行四边形)的 Voronoi 图?我检查了 Qhull,它似乎只能处理点,在它的示例中,Voro++ 可以处理不同大小的球体,但我找不到多边形的任何内容. 在此图像中(3d 中的样本平面) 平行四边形是 3D 的,因为它们具有厚度,但在这种情况下,厚度将为零. 解决方案 Voronoi 单元不是平行四边形.您在这里对您发布的图片感到困惑.Voro
..
我不确定“范数"和“欧几里得距离"是否是同一个意思.请你能帮我解决这个区别吗? 我有一个 n by m 数组 a,其中 m > 3. 我想计算第二个数据点 a[1,:] 到所有其他点(包括其自身)之间的欧几里得距离.所以我使用了 np.linalg.norm,它输出两个给定点的范数.但我不知道这是否是获得 ED 的正确方法. 将 numpy 导入为 npa = np.array([[0,
..
我有一个包含 N 个 3D 点的 Nx3 数组 a1 b1 c1a2 b2 c2....aN bN cN 我想在一个 NxN 数组中计算欧氏距离,该数组测量每对 3D 点之间的欧氏距离.(i,j) 在结果数组中返回 (ai,bi,ci) 和 (aj,bj,cj) 之间的距离).是否可以在没有循环的情况下在 matlab 中编写代码? 解决方案 你的问题的挑战是制作一个 N*N 矩阵,结
..