SciPy - maxinconsts() 方法

SciPy maxinconsts() 方法用于计算两个数据集之间的距离。大多数情况下，我们在计算矩阵问题时使用此函数。

使用此方法将了解 豪斯多夫距离[directed_hausdorff()] 并了解如何从编程方法中解决它。 Hausdorff 距离的常见用途是查找两个点集之间的距离计算。

语法

以下是 SciPy maxinconsts() 方法的语法 −

maxinconsts(Z, R)
或，
directed_hausdorff(x, y)

参数

此方法接受两个参数 −

• Z:此参数用于存储给定矩阵的中值数据。
• R:此参数存储名为 inconsistent() 的内置函数，该函数将给定矩阵转换为不一致矩阵。
• x, y:两者这些参数基于相同或不同的矩阵工作。

返回值

此方法将结果类型返回为浮点值。

示例 1

以下是展示 SciPy maxinconsts() 方法用法的基本示例。

from scipy.cluster.hierarchy import median, inconsistent, maxinconsts
from scipy.spatial.distance import pdist
X = [[0, 0], [0, 1], [1, 0],
     [0, 4], [0, 3], [1, 4],
     [4, 0], [3, 0], [4, 1],
     [4, 4], [3, 4], [4, 3]]
Z = median(pdist(X))
R = inconsistent(Z)
res = maxinconsts(Z, R)
print(res)

输出

上述代码产生以下输出 −

[0.         0.         0.         0.         0.70710678 0.70710678
 0.70710678 0.70710678 1.15470054 1.15470054 1.15470054]

示例 2

下面的程序演示了从两个不同的数组中使用豪斯多夫距离的方法。

import numpy as np
from scipy.spatial.distance import focused_hausdorff
x = np.array([[0, 0], [1, 1], [2, 2], [3, 3]])
y = np.array([[0, 1], [1, 2]])

dist, index_x, index_y = focused_hausdorff(x, y)
print("定向豪斯多夫距离:", dist)
print("x 中的索引:", index_x)
print("y 中的索引:", index_y)

输出

上面的代码产生以下输出 −

定向豪斯多夫距离:2.23606797749979
x 中的索引:3
y 中的索引:1

scipy_reference.html