【发布时间】：2011-06-20 14:57:03
【问题描述】：
我有一个N x D 维特征，我需要根据它们与1 x D 维向量的距离对其进行排名。有什么快速的方法可以在 python 中实现而不递归应用argmin？
谢谢！
【问题讨论】：
【发布时间】：2011-06-20 14:57:03
【问题描述】：
真正简单的是Squared Euclidean Distance，它的实现是这样的：
In []: F= randn(5, 3)
In []: t= randn(1, 3)
In []: ((F- t)** 2).sum(1)
Out[]: array([ 8.80512, 4.61693, 2.6002, 3.3293, 12.41800])
其中F 是特征，t 是目标向量。因此排名将是：
In []: ((F- t)** 2).sum(1).argsort()
Out[]: array([2, 3, 1, 0, 4])
但是，如果您能够就您的案例进行更多描述，则可能存在更合适的措施，例如 Mahalanobis distance。
【讨论】：
-
@unutbu：显然你编辑了，但我看不出有什么不同。那 29 个被删除的字符是什么？谢谢
-
根据每个点与 t 的接近程度，我预计矩阵的范围为 1 到 5。这不是我想要的。
-
@eat：对不起，我应该把我所做的事情记录下来。链接（类似于：en.wikipedia.org/wiki/http://en.wikipedia.org/wiki/…）已损坏。
-
@Abdalrahman Eweiwi：在
Python中，索引从0开始，因此在这种情况下argsort(.)将提供您正在寻找的内容，例如((F- t)** 2).sum(1).argsort()。谢谢 -
@Abdalrahman Eweiwi：你觉得我的回答有用吗？如果没有，请考虑详细说明您的情况，因为 AFAIUIC 我的回答提供了您正在寻找的排名。谢谢