scipy.spatial.distance.kulsinski¶
- scipy.spatial.distance.kulsinski(u, v, w=None)[源代码]¶
计算两个布尔一维阵列之间的Kulsinski相异度。
两个布尔一维数组之间的Kulsinski相异度 u 和 v ，定义为
\[\frac{c_{tf}+c_{ft}-c_{tt}+n} {c_{ft}+c_{tf}+n}\]哪里 \(c_{{ij}}\) 是出现的次数 \(\mathtt{{u[k]}} = i\) 和 \(\mathtt{{v[k]}} = j\) 为 \(k < n\) 。
- 参数
- u(n，)类似数组，布尔
输入数组。
- v(n，)类似数组，布尔
输入数组。
- w(n，)array_like，可选
中每个值的权重 u 和 v 。默认值为None，即为每个值赋予1.0的权重
- 退货
- kulsinski双倍
向量之间的Kulsinski距离 u 和 v 。
示例
>>> from scipy.spatial import distance >>> distance.kulsinski([1, 0, 0], [0, 1, 0]) 1.0 >>> distance.kulsinski([1, 0, 0], [1, 1, 0]) 0.75 >>> distance.kulsinski([1, 0, 0], [2, 1, 0]) 0.33333333333333331 >>> distance.kulsinski([1, 0, 0], [3, 1, 0]) -0.5