sklearn中的pairwise_distance

pairwise_distance在sklearn的官网中解释为“从X向量数组中计算距离矩阵”，对不懂的人来说过于简单，不甚了了。

实际上，pairwise的意思是每个元素分别对应。因此pairwise_distance就是指计算两个输入矩阵X、Y之间对应元素的距离。

pairwise_distances(X, Y=None, metric='euclidean'...)

该函数的输入是一个矩阵/二维数组等等，Y可以为None，当Y为None时，代码实现里会将Y替换成X，而metric指明X和Y每对元素之间采用的距离公式。

对于euclidean，使用欧式距离。另外还支持‘braycurtis’, ‘canberra’, ‘chebyshev’, ‘correlation’, ‘dice’, ‘hamming’, ‘jaccard’, ‘kulsinski’, ‘mahalanobis’, ‘matching’, ‘minkowski’, ‘rogerstanimoto’, ‘russellrao’, ‘seuclidean’, ‘sokalmichener’, ‘sokalsneath’, ‘sqeuclidean’, ‘yule’这些距离