SciPy - maxinconsts() 方法

SciPy maxinconsts() 方法用於計算兩個資料集之間的距離。我們通常在計算矩陣問題時使用此函式。

透過使用此方法，我們可以瞭解豪斯多夫距離 [directed_hausdorff()] 並瞭解如何用程式設計方法解決此問題。豪斯多夫距離的常見用途是找到兩個點集之間的距離計算。

語法

以下是 SciPy maxinconsts() 方法的語法 −

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

引數

此方法接受兩個引數 −

• Z：此引數用於儲存給定矩陣的中位數資料。
• R：此引數儲存名為 inconsistent() 的內建函式，該函式將給定矩陣轉換為不一致矩陣。
• x、y：這兩個引數都基於相同或不同的矩陣工作。

返回值

此方法返回浮點值型別的結果。

示例 1

以下是顯示 SciPy maxinconsts() 方法使用方法的基本示例。

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)

輸出

上述程式碼生成以下輸出 −

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

示例 2

程式下方演示瞭如何使用兩個不同陣列的豪斯多夫距離。

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

dist, index_x, index_y = directed_hausdorff(x, y)
print("Directed Hausdorff Distance:", dist)
print("Index in x:", index_x)
print("Index in y:", index_y)

輸出

上述程式碼生成以下輸出 −

Directed Hausdorff Distance: 2.23606797749979
Index in x: 3
Index in y: 1