主要内容

pdist

遥不可及，心不可及

对比todo en la página

Sintaxis

D = pdist(X)
D = pdist(X，距离)
D = pdist(X,Distance,DistParameter)

Descripcion

比如

D= pdist (X）欧几里得的距离，观察的中心X．

比如

D= pdist (X，距离）我们之间的距离método特别的距离．

比如

D= pdist (X，距离，DistParameter）我们之间的距离método特别的距离yDistParameter．喝水可以especificarDistParameter独奏cuando距离海“seuclidean”，闵可夫斯基的o“mahalanobis”．

包括

反待办事项

省略脚本在体内

距离的计算，欧几里得，观测的中心和交流的距离矢量，在母体中squareform．

Cree una matriz con tre observaciones y do变量。

rng (“默认”）%用于再现性X = rand(3,2);

远距离欧几里得计算器。

D = pdist(X)
D =1×30.2954 1.0670 0.9448

对建立关系的距离:(2,1)，(3,1)，(3,2)。Puede ubicar la distance cia entre las observaciones我yjfacilmente usandosquareform．

Z =方形(D)
Z =3×30 0.2954 1.0670 0.2954 0 0.9448 1.0670 0.9448 0

squareformdeuelve una matriz simétrica dondeZ (i, j)对应着一段距离我yj．我的爱人，我的爱人，我的爱人，我的爱人，我的爱人2 y 3。

Z(2、3)
Ans = 0.9448

请进ZA la funciónsquareformPara reproduction la salida de la funciónpdist．

y =方形(Z)
y =1×30.2954 1.0670 0.9448

拉斯维加斯——赛利达y德squareformyD德pdistSon la misma。

省略脚本在体内

Cree una matriz con tre observaciones y do变量。

rng (“默认”）%用于再现性X = rand(3,2);

闵可夫斯基的距离计算和先验指数计算2。

D1 = pdist(X，闵可夫斯基的）
D1 =1×30.2954 1.0670 0.9448

闵可夫斯基距离的计算和1的指数，曼哈顿距离的计算。

D2 = pdist(X，闵可夫斯基的，1)
D2 =1×30.3721 1.5036 1.3136
D3 = pdist(X，“cityblock”）
D3 =1×30.3721 1.5036 1.3136
省略脚本在体内

建立función个人关系的距离忽略价值的协调南Y计算la距离por parres usando esa función。

Cree una matriz con tre observaciones y do变量。

rng (“默认”）%用于再现性X = rand(3,2);

Supongamos que el primer element de la primera observación no está present ente。

X(1,1) = NaN;

远距离欧几里得计算器。

D1 = pdist(X)
D1 =1×3NaN NaN 0.9448

Si la observación我ojcontienen英勇南， la funciónpdistdevuelve南遥不可及，心不可及我yj．tanto, D1(1)， D1(2) y与(2,1)y(3,1)之间的距离南．

建立función个人的距离naneucdist我不理会我们之间的关系南欧几里得的距离。

函数忽略与nan坐标的欧氏距离Nstar = sum(~isnan(sqdx)，2);%不包含nan的对个数nstar(nstar == 0) = NaN;如果所有对都包含NaN则返回NaND2squared = sum(sqdx,2，“omitnan”)。* n / nstar;%对缺失坐标的修正D2 =根号下(D2平方);

计算距离naneucdistPasando el identificador de la función como UN argument de entrada depdist．

D2 = pdist(X，@naneucdist)
D2 =1×30.3974 1.1538 0.9448

entrada论证

反待办事项

entrada Datos de entrada, especificados como a matriz numérica con un tamaño de米运动n．filas对应个体观察，mientras que Las column对应个体变量。

数据提示:单|双

Métrica de distance, especificada como un vector de caracteres, un escalar de cadena o un identificador de función, tal y como se describe en la tabla siguiente。

英勇 Descripcion
“欧几里得”

距离euclidiana(勇气预先确定)。
“squaredeuclidean”

长桉。(Esta opción solo se ofrece para mejorar la eficiencia。No resuelve la desigualdad triangle)。
“seuclidean”

距欧几里达标准。坐标差值计算方法和测量方法的差异和对应元素的差异desviación estándar，S = std(X，'omitnan')．使用DistParameterPara especificar otro valor de年代．
“mahalanobis”

Mahalanobis的距离，muestra的共同变化X，C = cov(X，'omitrows')．使用DistParameterPara especificar otro valor deCdonde la matrizCEs simétrica y定义正。
“cityblock”

Distancia曼哈顿。
闵可夫斯基的

距离德闵可夫斯基。先行指数2。使用DistParameter特别联合国指数不同P,在哪里P联合国积极的指数英勇。
“chebychev”

切比绍夫距离(diferencia de coordenada máxima)。
的余弦

Uno menos el coseno del ángulo incluido entre puntos (tratados como vectors)。
“相关”

我们的世界correlación我们的世界和我们的价值是相通的。
“汉明”

远处的汉明，关于协调的porcentaje de coordenada que difieren。
“jaccard”

雅卡系数之门，科尔德纳达之porcentajes de coordenadas，没有儿子cero, que difieren。
“枪兵”

我们无法理解correlación斯皮尔曼在观察方面的系数(与价值有关的问题)。
@distfun

身份证función个人距离。Una función de distance tiene esta forma:

函数D2 = distfun(ZI,ZJ)距离计算%.．.
在哪里

  • 子Es UN向量de1运动n独自一人observación。

  • ZJEs una matriz de平方米运动n连续性变化观察。distfunDebe aceptar una matrizZJCon UN número任意观察。

  • D2Es UN距离向量平方米运动1， mientras queD2 (k)对应着距离和观察子yZJ (k,:)．

我们没有儿子，我们有将军，podrá计算距离más rápido我们有一个完整的距离，我们没有身份función。

Para ver las definiciones, consulteMétricas de distancia．

Cuando使用“seuclidean”，闵可夫斯基的o“mahalanobis”， podrá具体的联合国附项论证DistParameterPara controlar estas métricas。También我们的命运métricas我们的命运métricas我们的命运DistParameter．

比如:闵可夫斯基的

我们的价值parámetro我们的价值métrica我们的距离，我们的价值numérico我们的价值numérica。Este argument to solo es válido cuando se speciifica距离科莫“seuclidean”，闵可夫斯基的o“mahalanobis”．

  • 如果距离西文“seuclidean”，DistParameterEs UN vector de escalado de cada dimensión, especificado como UN vector positive。英勇的先兆性病(X, omitnan)．

  • 如果距离西文闵可夫斯基的，DistParameter闵可夫斯基的距离指数，关于积极因素的特别说明。英勇的先兆2。

  • 如果距离西文“mahalanobis”，DistParameter我们的母系，我们的母系numérica。英勇的先兆X (X, omitrows)．DistParameterDebe ser simétrica y definida positive。

比如:闵可夫斯基,3

数据提示:单|双

salida的论证

反待办事项

距离的距离，与母体的距离numérico与经度的距离米（米-1)/2，通讯员在观察，donde米Es el número de observaciones deX．

与欧洲的距离(2,1)，(3,1)，…, (米，1)，(3,2)，…, (米, 2),…, (米，米-1)， es decir, el triángulo次等的距离矩阵米运动米在柱子上的奥登。这是距离，这是观察我yj斯塔恩D((张)* (m i / 2) + j-i)德我≤j．

喝水可以convertirDuna matriz simétrica usando la funciónsquareform．Z =方形(D)从母后开始米运动米在哪里Z (i, j)对应着一段距离我yj．

Si las observaciones我ojcontienen英勇南， el valor correspondence deD西文南积分距离函数。

DSe suele usar como una matriz de diferenciación en la creación de集群en el escalado多维。Para obtener más información, consulte分层聚类Y las páginas de referencia de las funcionescmdscale，cophenet，链接，mdscaleyoptimalleaforder．Estas funciones tomanDComo UN argument to entrada。

Más acerca de

反待办事项

Métricas de distancia

Una métrica de distancia es Una función que define la distancia entre dos observaciones。pdistadmite varias métricas de distance: euclidiana的距离，euclidiana estandarizada的距离，Mahalanobis的距离，Manhattan的距离，Minkowski的距离，Chebyshov的距离，coseno的距离，correlación的距离，Hamming的距离，jacard的距离和Spearman的距离。

我是天之母，天之母米运动nX， que se trata como vectors fila米(1为n）x1，x2、……x米， las different distance as entre el vectorx年代yxtSe definen de esta manera:

  • Distancia euclidiana

    d 年代 t 2 ＝ （ x 年代 − x t ） （ x 年代 − x t ） ” ．

    欧几里得和卡索的距离特别是闵可夫斯基的距离，唐德p= 2．

  • 距欧几里达标准

    d 年代 t 2 ＝ （ x 年代 − x t ） V − 1 （ x 年代 − x t ） ” ，

    在哪里V矩阵对角线n运动nCuyo元素对角线númerojes (年代（j）)2,在哪里年代Es UN向量因子de escalado de cada dimensión。

  • 马哈拉诺比斯的距离

    d 年代 t 2 ＝ （ x 年代 − x t ） C − 1 （ x 年代 − x t ） ” ，

    在哪里C是协方差矩阵。

  • Distancia曼哈顿

    d 年代 t ＝ ∑ j ＝ 1 n | x 年代 j − x t j | ．

    曼哈顿和卡索的距离特别是闵可夫斯基的距离，唐德p= 1．

  • 距离德闵可夫斯基

    d 年代 t ＝ ∑ j ＝ 1 n | x 年代 j − x t j | p p ．

    Para el caso special dep= 1， la distancia de Minkowski ofrece la distancia Manhattan。Para el caso special dep= 2，闵可夫斯基的欧几里得的距离。Para el caso special dep=∞，闵可夫斯基和切比绍夫的距离。

  • 切比绍夫的距离

    d 年代 t ＝ 马克斯 j ｛ | x 年代 j − x t j | ｝ ．

    切比绍夫和卡索的距离特别是闵可夫斯基的距离，唐德p=∞．

  • 距离

    d 年代 t ＝ 1 − x 年代 x ” t （ x 年代 x ” 年代 ） （ x t x ” t ） ．

  • 远方correlación

    d 年代 t ＝ 1 − （ x 年代 − x ¯ 年代 ） （ x t − x ¯ t ） ” （ x 年代 − x ¯ 年代 ） （ x 年代 − x ¯ 年代 ） ” （ x t − x ¯ t ） （ x t − x ¯ t ） ” ，

    在哪里

    x ¯ 年代 ＝ 1 n ∑ j x 年代 j y x ¯ t ＝ 1 n ∑ j x t j ．

  • 德·汉明

    d 年代 t ＝ （ ＃ （ x 年代 j ≠ x t j ） / n ） ．

  • 远方杰卡德

    d 年代 t ＝ ＃ ［ （ x 年代 j ≠ x t j ） ∩ （ （ x 年代 j ≠ 0 ） ∪ （ x t j ≠ 0 ） ） ］ ＃ ［ （ x 年代 j ≠ 0 ） ∪ （ x t j ≠ 0 ） ］ ．

  • 远方的斯皮尔曼

    d 年代 t ＝ 1 − （ r 年代 − r ¯ 年代 ） （ r t − r ¯ t ） ” （ r 年代 − r ¯ 年代 ） （ r 年代 − r ¯ 年代 ） ” （ r t − r ¯ t ） （ r t − r ¯ t ） ” ，

    在哪里

    • rsjEs el rango dexsjllevado一x1j，x2j,……x乔丹，微积分tiedrank．

    • r年代yrt我的坐标，我的坐标，我的坐标x年代yxt， es decir，r年代= (r年代1，r年代2,……rsn）.

    • r ¯ 年代 ＝ 1 n ∑ j r 年代 j ＝ （ n + 1 ） 2 ．

    • r ¯ t ＝ 1 n ∑ j r t j ＝ （ n + 1 ） 2 ．

Capacidades ampliadas

历史版本

介绍，2006年

Consulte也

|||||||||

特马