尝试编写最近邻算法 - 欧几里得距离函数只计算测试集的一行的距离 - 为什么？

Question

我正在尝试从头开始编写最近邻算法，但遇到了一个问题 - 我的算法只为训练集的一行/点提供最近邻的索引/分类。我浏览了代码的每一部分，并意识到问题出在我的欧几里得距离函数上。它只给出一行的结果。

这是我为欧几里得距离写的代码：

def euclidean_dist(r1, r2):
    dist = 0
    for j in range(0, len(r2)-1):
        dist = dist + (r2[j] - r1[j])**2
    return dist**0.5

在我的最近邻算法中，这是欧几里得距离函数的实现：

for i in range(len(x_test)):
        dist1 = []
        dist2 = []
        for j in range(len(x_train)):
            distances = euclidean_dist(x_test[i], x_train[j,:])
            dist1.append(distances)
            dist2.append(distances)
        dist1 = np.array(dist1)
        sorting(dist1) #separate sorting function to sort the distances from lowest to highest,
#the aim was to get one array, dist1, with the euclidean distances for each row sorted
#and one array with the unsorted euclidean distances, dist2, (to be able to search for index later in the code)

我在使用 iris 数据集并尝试使用它的这部分功能时注意到了这个问题。我将数据集分为测试和训练（X_test、X_train 和 y_test）。

当使用数据集实现这一点时，我得到了dist2 的以下数组：

[0.3741657386773946,
 1.643167672515499,
 3.389690251335658,
 2.085665361461421,
 1.284523257866513,
 3.9572717874818752,
 0.9539392014169458,
 3.5805027579936315,
 0.7211102550927979,
      ...
0.8062257748298555,
 0.4242640687119287,
 0.5196152422706631]

它的长度是 112，与X_train 的长度相同，但这些只是X_test 集合的第一行或第一点的欧几里得距离。 dist1 数组是相同的，只是它是排序的。

为什么我没有得到测试集每一行/点的欧几里得距离？我以为我用 for 循环正确地迭代了，但显然有些地方不太对劲。任何建议或帮助将不胜感激。

Answer 1

将 numpy 用于速度、内置距离和代码长度：

x_test_array = np.array(x_test)
x_train_array = np.array(x_train)
distance_matrix = np.linalg.norm(x_test[:,np.newaxis,:]-x_train[np.newaxis,:,:], axis=2)

矩阵中的单元格 i,j 对应于 x_train[i] 和 x_test[j] 之间的距离。 然后就可以进行排序了。

编辑：如何在没有 numpy 的情况下创建距离矩阵：

matrix = []
for i in range(len(x_test)):
    dist1 = []
    for j in range(len(x_train)):
        distances = euclidean_dist(x_test[i], x_train[j,:])
        dist1.append(distances)
    matrix.append(dist1)