euclidean-distance

    2熱度

    1回答

    我用Python比較了theano(CPU),theano(GPU)和Scikit-learn(CPU)的處理時間。 但是,我得到了奇怪的結果。 這裏看看我繪製的圖。 處理時間比較: 你可以看到的結果scikit學習比theano(GPU)更快。 我檢查它的經過時間的程序是從一個有n * 40個元素的矩陣計算歐幾里德距離矩陣。 這是代碼的一部分。 points = T.fmatrix("point

    0熱度

    1回答

    我已經看到很多計算KNN的歐幾里得距離的例子,但是非情感分類的例子。 比如我有一句「一個非常接近的比賽」 如何計算的一句「偉大的博弈」的歐氏距離?

    0熱度

    1回答

    Apache flink有設置庫來計算歐幾里德距離。我想在n維空間上使用相同的API來進行距離計算。我有兩個包含3個特徵的數據集。 一個= {0.1,0.3,0.8} B = {0.2,0.4,0.7} 如何可以計算的距離之間的兩個矢量此使用Apache弗林克。

    0熱度

    1回答

    我需要找到一種方法來計算最接近給定點(或從給定點到曲線的最短距離)的擬合曲線上的點。 擬合曲線的方程式的形式爲:y = m /(x + a)+ c。我試圖解決它,但我得到了一個四次多項式。 有沒有一種解決方案可以實現這一點,可以實現數千個點(例如stata)?

    -1熱度

    1回答

    我有兩個文本文件包含1,096個值(這些是從神經網絡層提取的功能)。 我想獲取第一個文本文件的第一個元素,並從第二個文本文件的第一個元素中減去它,依次類推至所有1,096個十進制值。 然後,我想要將這些減法的總和存儲在一個變量中供以後使用。 我是新來的Python,所以我不確定哪個是訪問每個元素的最佳方式 - 我的目標是採用類似於歐幾里得距離方法的方法。

    1熱度

    2回答

    我試圖瞭解從Wolfram documentation的歸一化平方歐氏距離公式: 1/2*Norm[(u-Mean[u])-(v-Mean[v])]^2/(Norm[u-Mean[u]]^2+Norm[v-Mean[v]]^2) 我搜索周圍這個公式在網絡上,但無法找到它。有人能解釋這個公式是如何派生的嗎?

    2熱度

    3回答

    我編寫了這段代碼來計算距離。但得到ValueError: math domain error的錯誤。 import math a=[[5, 10], [16, 23]] b=[[6, 1], [21, 2]] dL=[] dist=[] k=0 h=1 for i in range(len(a)): dL=[] for j in range(len

    1熱度

    1回答

    我在R中使用了dist函數,我想知道它的時間複雜度。 我知道層次聚類的時間複雜度爲N^2*logN。層次聚類由R中的兩部分代碼組成。 > d <- dist(as.matrix(mtcars)) # find distance matrix > hc <- hclust(d) # apply hirarchical clustering > plot(hc) # plot th

    0熱度

    2回答

    我有一個包含X和Ỳ座標的十個點的列表。我想計算任意兩點之間可能的距離排列。準確地說,只有1-2,2-1中的一個距離應該存在。我設法消除了一個點與自身的距離。但是無法達到這種排列距離。 # Data Generation df <- data.frame(X = runif(10, 0, 1), Y = runif(10, 0, 1), ID = 1:10) # Temporary key C

    -3熱度

    3回答

    歐幾里得距離如果我有這樣一個數據幀: ID GroupID X Y 1 a 772.7778 226.5 1 a 806.5645 35.3871 1 a 925.5714 300.9286 1 b 708.0909 165.5455 1 b 630.8235 167.4118 2 a 555.3333 151.875 2 a 732.8947 462.3158 這