欧几里得距离

euclidean_distance(x: ndarray, y: ndarray, **kwargs: Any) → float

计算两个时间序列之间的欧几里得距离。

欧几里得距离支持一维、二维和三维数组。

两个长度为 m 的时间序列之间的欧几里得距离是平方距离的平方根，定义为：

\[ed(x, y) = \sqrt{\sum_{i=1}^{n} (x_i - y_i)^2}\]

参数:

x: np.ndarray (1d 或 2d 数组)

第一个时间序列。

y: np.ndarray (1d 或 2d 数组)

第二个时间序列。

**kwargs: 任何

额外的关键字参数。对于欧几里得空间来说没有这些参数，但为了保持一致性，这里仍然保留。

返回:

浮动

x 和 y 之间的欧几里得距离。

Raises:

ValueError

如果提供的 x 或 y 的值不是 numpy 数组。如果 x 或 y 的值有超过 2 个维度。如果提供了度量字符串，并且不是定义的有效字符串。如果提供了度量对象（类的实例）并且不继承自 NumbaDistance。如果解析的度量不是 no_python 编译的。如果无法确定度量类型。

示例

>>> import numpy as np
>>> from sktime.distances import euclidean_distance
>>> x_1d = np.array([1, 2, 3, 4])  # 1d array
>>> y_1d = np.array([5, 6, 7, 8])  # 1d array
>>> euclidean_distance(x_1d, y_1d)
8.0

>>> x_2d = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])  # 2d array
>>> y_2d = np.array([[9, 10, 11, 12], [13, 14, 15, 16]])  # 2d array
>>> euclidean_distance(x_2d, y_2d)
22.627416997969522