Distances (v1.7.1)

为高维数据提供快速和通用的距离函数。

使用方法

将此添加到您的项目中

> cargo add distances@1.7.1

在您的项目中使用它

use distances::Number;
use distances::vectors::euclidean;

let a = [1.0_f32, 2.0, 3.0];
let b = [4.0_f32, 5.0, 6.0];

let distance: f32 = euclidean(&a, &b);

assert!((distance - (27.0_f32).sqrt()).abs() < 1e-6);

功能

• 一个用于抽象不同数值类型的 Number 特性。
  • 距离函数对实现 Number 的返回类型是通用的。
  • 距离函数也可以对输入类型为 Number 集合是通用的。
• 针对浮点类型的 SIMD 加速实现。
• 使用 maturin 和 pyo3 的 Python 绑定。
• no_std 支持。

可用的距离函数

• 向量（高维数据）
  • euclidean
  • squared_euclidean
  • manhattan
  • chebyshev
  • minkowski
    • 一般 Lp-norm。
  • minkowski_p
    • 一般 Lp-norm 的 p 次幂。
  • cosine
  • hamming
  • canberra
    • Canberra 距离
  • bray_curtis
    • Bray-Curtis 距离
  • pearson
    • 1.0 - r 其中 r 是 Pearson 相关系数
• 概率分布
  • wasserstein
    • Wasserstein 距离
  • bhattacharyya
    • Bhattacharyya 距离
  • hellinger
    • Hellinger 距离
• 字符串数据，例如用于基因组序列
  • levenshtein
  • needleman_wunsch
  • smith_waterman
  • hamming
  • 上述函数的归一化版本。
• 集合
  • jaccard
  • dice
  • kulsinski
  • hausdorff
    • Hausdorff 距离
• 图
  • tanamoto
• 时间序列
  • dtw
    • 动态时间规整
  • msm
    • 移动-分割-合并
  • erp
    • 带有真实惩罚的编辑距离

贡献

欢迎、鼓励并感谢贡献！请参阅 CONTRIBUTING.md。

许可证

在MIT许可证下授权。