sklearn pairwise_distance 函数需要什么形状的输入和输出？答案

【问题标题】：What shape input and outputs are expected for sklearn pairwise_distance functions?sklearn pairwise_distance 函数需要什么形状的输入和输出？
【发布时间】：2017-10-08 22:52:43
【问题描述】：

我有两个形状为 (2400,) 的向量

我这样组合它们：

vecs = [matrix1, matrix2]
combined_matricies = np.array(vecs)
print("Combined shape:", combined_matricies.shape)

组合形状：(2, 2400)

然后我运行

distance_mat = pairwise_distances(combined_matricies, metric="cosine").astype('float64')
print(distance_mat.shape)

(2, 2)

为什么不是 (2, 2400)？

【问题讨论】：

你为什么期望(2, 2400) 整形输出？它针对 mat1 中的所有元素对mat2 中的所有元素进行处理，而不是针对相应的元素（如果您弄错了）。
@VivekKumar 我不明白他们关于“样本”所指的术语！谢谢。
正如我在之前的评论中所说，一个样本意味着一行。对于机器学习，一个样本意味着一组独立的观察值，它们属于一个类（用于分类任务）或一个集群（用于聚类）。简而言之，一个样本可以具有许多特征，使算法能够处理它。对于 scikit-learn，样本以行表示，特征以列表示

标签： python numpy scipy scikit-learn

【解决方案1】：

它为您提供两个大小为 2,400 的向量之间的余弦值。

所以基本上distance_mat[0, 0] 和distance_mat[1, 1] 是零，distance_mat[1, 0] 和distance_mat[0, 1] 都是大小为 1 x 2,400 的两个向量之间的余弦。

如果您想要按元素使用产品：

np.multiply(matrix1, matrix2)

【讨论】：