pairwise_distance#

pairwise_distance(x: ndarray, y: ndarray = None, metric: str | Callable[[ndarray, ndarray, dict], Callable[[ndarray, ndarray], float]] | Callable[[ndarray, ndarray], float] | NumbaDistance = 'euclidean', **kwargs: Any) → ndarray[source]#

计算两个时间序列之间的成对距离矩阵。

首先，距离度量会被“解析”。这意味着传入的度量会被解析为一个可调用对象。然后，该可调用对象会使用 x 和 y 进行调用，并返回计算结果。接着，对于 x 和 y 的每种组合，都会计算值之间的距离，从而得到一个二维成对距离矩阵。

参数：
x: np.ndarray (1维, 2维 或 3维 数组)

第一个时间序列。

y: np.ndarray (1维, 2维 或 3维 数组), 默认为 None

第二个时间序列。如果未指定，则 y 被设为 x 的值。

metric: str 或 Callable, 默认为 ‘euclidean’

要使用的距离度量。如果给定字符串，则值必须是以下字符串之一：

‘euclidean’, ‘squared’, ‘dtw’, ‘ddtw’, ‘wdtw’, ‘wddtw’, ‘lcss’, ‘edr’, ‘erp’, ‘msm’

如果可调用，则它必须是距离工厂或 Numba 距离可调用对象。如果想在运行时向距离传递自定义 kwargs，请使用距离工厂，因为它在计算距离之前会使用 kwargs 构建距离。距离可调用对象的格式为（必须是 no_python 编译）：Callable[[np.ndarray, np.ndarray], float]

距离工厂的格式为（必须返回一个 no_python 可调用对象）：Callable[[np.ndarray, np.ndarray, bool, dict], Callable[[np.ndarray, np.ndarray], float]]。

kwargs: Any

度量的额外参数。有关可能参数的列表，请参阅各度量的文档。

返回值：
np.ndarray (大小为 mxn 的二维数组，其中 m 为 len(x)，n 为 len(y))。

两个时间序列之间的成对距离矩阵。

引发的异常：
ValueError

如果提供的 x 或 y 值不是 numpy 数组。如果 x 或 y 的维度超过 3 维。如果提供的度量字符串不是有效定义的字符串。如果提供的度量对象（类实例）未继承自 NumbaDistance。如果解析的度量未进行 no_python 编译。如果无法确定度量类型。

示例

>>> import numpy as np
>>> from sktime.distances import pairwise_distance  
>>> x_1d = np.array([1, 2, 3, 4])  # 1d array
>>> y_1d = np.array([5, 6, 7, 8])  # 1d array
>>> pairwise_distance(x_1d, y_1d, metric='dtw')  
array([[16., 25., 36., 49.],
       [ 9., 16., 25., 36.],
       [ 4.,  9., 16., 25.],
       [ 1.,  4.,  9., 16.]])

>>> x_2d = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])  # 2d array
>>> y_2d = np.array([[9, 10, 11, 12], [13, 14, 15, 16]])  # 2d array
>>> pairwise_distance(x_2d, y_2d, metric='dtw')  
array([[256., 576.],
       [ 58., 256.]])

>>> x_3d = np.array([[[1], [2], [3], [4]], [[5], [6], [7], [8]]])  # 3d array
>>> y_3d = np.array([[[9], [10], [11], [12]], [[13], [14], [15], [16]]])  # 3d array
>>> pairwise_distance(x_3d, y_3d, metric='dtw')  
array([[256., 576.],
       [ 64., 256.]])

>>> x_2d = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])  # 2d array
>>> y_2d = np.array([[9, 10, 11, 12], [13, 14, 15, 16]])  # 2d array
>>> pairwise_distance(x_2d, y_2d, metric='dtw', window=0.5)  
array([[256., 576.],
       [ 58., 256.]])
在本页