Sklearn中Hamming距离未返回绝对差异值的原因及适配度量咨询

为什么返回浮点数而非绝对差异数？ #

scikit-learn中pairwise_distances的hamming度量是归一化后的结果：它计算的是两个样本间差异特征的比例，公式为差异特征数 / 总特征数。你的数据有500个成分特征，当仅差异1种成分时，结果就是1/500 = 0.002（你看到的0.006可能对应3种差异成分，或者实际特征数不是500），这就是返回浮点数的原因。

如何获取绝对差异数？ #

有两种直接的解决方式：

• 方式一：基于现有Hamming结果转换
  将返回的距离矩阵乘以总特征数（即数据的列数），就能得到绝对差异数：

  absolute_distance = distance_array * X.shape[1]
  

• 方式二：使用L1（曼哈顿）距离度量
  对于仅含0和1的二元特征，metric='l1'计算的是两个样本间差异特征的绝对总数，完全符合你的需求：

  distance_array = pairwise_distances(X, metric='l1')
  

内容的提问来源于stack exchange，提问作者luisa