sklearn.metrics.pairwise_distances_argmin_min?
sklearn.metrics.pairwise_distances_argmin_min(X, Y, *, axis=1, metric='euclidean', metric_kwargs=None)
計算一個點與一組點之間的最小距離。
此函數為X中的每一行計算最接近（根據指定距離）的Y行的索引。還返回最小距離。
這主要等同于調用：
（pairwise_distances（X，Y = Y，metric = metric）.argmin（axis = axis），
pairwise_distances（X，Y = Y，metric = metric）.min（axis = axis））
但是使用更少的內存，并且對于大型數組更快。
| 參數 | 說明 |
|---|---|
| X | {array-like, sparse matrix}, shape (n_samples1, n_features) 包含點的數組。 |
| Y | {array-like, sparse matrix}, shape (n_samples2, n_features) 包含點的數組。 |
| axis | int, optional, default 1 沿其計算argmin和距離的軸。 |
| metric | string or callable, default ‘euclidean’ 用于距離計算的指標。可以使用scikit-learn或scipy.spatial.distance中的任何度量。 如果metric是可調用的函數，則會在每對實例（行）上調用它，并記錄結果值。可調用對象應將兩個數組作為輸入并返回一個值，指示它們之間的距離。這適用于Scipy的指標，但效率不如將指標名稱作為字符串傳遞。 不支持距離矩陣。 指標的有效值為： - 來自scikit-learn：[‘cityblock’, ‘cosine’, ‘euclidean’, ‘l1’, ‘l2’, ‘manhattan’] - 來自scipy.spatial.distance：[‘braycurtis’, ‘canberra’, ‘chebyshev’, ‘correlation’, ‘dice’, ‘hamming’, ‘jaccard’, ‘kulsinski’, ‘mahalanobis’, ‘minkowski’, ‘rogerstanimoto’, ‘russellrao’, ‘seuclidean’, ‘sokalmichener’, ‘sokalsneath’, ‘sqeuclidean’, ‘yule’] 有關這些指標的詳細信息，請參見scipy.spatial.distance的文檔。 |
| metric_kwargs | dict, optional 傳遞給指定指標函數的關鍵字參數。 |
| 返回值 | 說明 |
|---|---|
| argmin | numpy.ndarray Y [argmin [i]，：]是Y中最接近X [i，：]的行。 |
| distances | numpy.ndarray distances [i]是X中第i行與Y中第argmin [i]行之間的距離。 |
另見：