Numpy knn 与矢量化嵌套矩阵

Question

我正在尝试使用 numpy 及其矢量化实现 KNN 算法。

import numpy as np
A = np.array([[11,12,13], [21,22,23], [31,32,33]])
B = np.array([[41,42,43], [51,52,53], [61,62,63]])
C = np.array([[71,72,73], [81,82,83], [91,92,93]])
X = np.array([A, B, C])
f = lambda a,b: (a-b)**2
np.sqrt(np.vectorize(f)(A, X).reshape(3,9).sum(axis=1))
# array([   0.,   90.,  180.])

如果我以这种方式使用它，我会得到一个 3x1 矩阵，其中包含所有向量到 A 的距离。

为了获得所有向量之间的所有距离，我需要如下结果矩阵：

array([[   0.,   90.,  180.],
       [  90.,    0.,   90.],
       [ 180.,   90.,    0.]])

如何改进操作以获得预期的结果？

Answer 1

In [843]: np.sqrt(f(X[:,None],X).reshape(3,3,9).sum(axis=-1))
Out[843]: 
array([[   0.,   90.,  180.],
       [  90.,    0.,   90.],
       [ 180.,   90.,    0.]])

你不需要vectorize. f直接使用数组。

但看着

In [841]: f(X[:,None],X).reshape(3,3,9)
Out[841]: 
array([[[   0,    0,    0,    0,    0,    0,    0,    0,    0],
        [ 900,  900,  900,  900,  900,  900,  900,  900,  900],
        [3600, 3600, 3600, 3600, 3600, 3600, 3600, 3600, 3600]],
       [[ 900,  900,  900,  900,  900,  900,  900,  900,  900],
        [   0,    0,    0,    0,    0,    0,    0,    0,    0],
        [ 900,  900,  900,  900,  900,  900,  900,  900,  900]],
       [[3600, 3600, 3600, 3600, 3600, 3600, 3600, 3600, 3600],
        [ 900,  900,  900,  900,  900,  900,  900,  900,  900],
        [   0,    0,    0,    0,    0,    0,    0,    0,    0]]], dtype=int32)

让我怀疑您计算的值比需要的要多。 但我还没有试图看大局。