sklearnのペアワイズ距離の結果が予想外に非対称です

Question

ベクトルの要素間のユークリッドペアワイズ距離を計算しています。私はsklearnパッケージのpairwise_distances関数を使用します。しかし、いくつかの要素の結果の行列はほぼ対称的です。等しいと思われる要素の値は、1つの例で小数点の後ろの15桁までしか等しくありません。

入力行列の対称性を仮定した下流解析でエラーが発生したので、これを実現しました。私は値を丸めることができますが、これを引き起こしているのは分かりますか？ここで

は、（それがパンダのデータフレームの列です）私はのためのペア賢明な距離を計算しようとしていますベクトルである：ここでは

lag_measure_data[['bios_level']].values 

array([[ 0.76881030949999995538490793478558771312236785888671875 ], 
    [ 0.              ], 
    [ 0.67783090619999997183953155399649403989315032958984375 ], 
    [ 0.3228176074999999922710003374959342181682586669921875 ], 
    [ 0.75822395549999999087020796650904230773448944091796875 ], 
    [ 0.469808621599999975959605080788605846464633941650390625], 
    [ 0.989529862699999984698706612107343971729278564453125 ], 
    [ 0.              ], 
    [ 0.5575436799999999859522858969285152852535247802734375 ], 
    [ 0.9756440299999999954394525047973729670047760009765625 ], 
    [ 0.66511863289999995085821637985645793378353118896484375 ], 
    [ 0.978062709200000046649847718072123825550079345703125 ], 
    [ 0.473957179800000016900440868994337506592273712158203125], 
    [ 0.82409385540000001935112550199846737086772918701171875 ], 
    [ 0.56548685279999999497846374651999212801456451416015625 ], 
    [ 0.399505730399999980928527065771049819886684417724609375], 
    [ 0.474232963900000026313819034839980304241180419921875 ], 
    [ 0.34276307189999999369689476225175894796848297119140625 ], 
    [ 0.9985316859999999739017084721126593649387359619140625 ], 
    [ 0.9063241512999999915933813099400140345096588134765625 ], 
    [ 0.              ]]) 

は、私は距離行列を取得するために使用するコマンドである。

d_matrix_lag = pairwise_distances(lag_measure_data[['bios_level']].values) 

それはあまりにも面倒であるように私はここに出力距離行列を印刷していないが、最初の行の例として、第4列の値は

0.445992701999999907602756366あります031826473772525787353515625

4行1列の値が

0.4459927019999998520916051347739994525909423828125

Answer 1

いる間、私はあなたのエラー私の対称性のためのテスト再現することができます：

import numpy as np 

a = np.array([[ 0.76881030949999995538490793478558771312236785888671875 ], 
    [ 0.              ], 
    [ 0.67783090619999997183953155399649403989315032958984375 ], 
    [ 0.3228176074999999922710003374959342181682586669921875 ], 
    [ 0.75822395549999999087020796650904230773448944091796875 ], 
    [ 0.469808621599999975959605080788605846464633941650390625], 
    [ 0.989529862699999984698706612107343971729278564453125 ], 
    [ 0.              ], 
    [ 0.5575436799999999859522858969285152852535247802734375 ], 
    [ 0.9756440299999999954394525047973729670047760009765625 ], 
    [ 0.66511863289999995085821637985645793378353118896484375 ], 
    [ 0.978062709200000046649847718072123825550079345703125 ], 
    [ 0.473957179800000016900440868994337506592273712158203125], 
    [ 0.82409385540000001935112550199846737086772918701171875 ], 
    [ 0.56548685279999999497846374651999212801456451416015625 ], 
    [ 0.399505730399999980928527065771049819886684417724609375], 
    [ 0.474232963900000026313819034839980304241180419921875 ], 
    [ 0.34276307189999999369689476225175894796848297119140625 ], 
    [ 0.9985316859999999739017084721126593649387359619140625 ], 
    [ 0.9063241512999999915933813099400140345096588134765625 ], 
    [ 0.              ]]) 

from sklearn.metrics.pairwise import pairwise_distances 
dist_sklearn = pairwise_distances(a) 
print((dist_sklearn.transpose() == dist_sklearn).all()) 

が出力としてFalseを取得。代わりにscipy.spatial.distanceを使用してみてください。これは私に対称行列を与えた

from scipy.spatial.distance import pdist, squareform 

dist = pdist(a) 
sq = squareform(dist) 
print((sq.transpose() == sq).all()) 

あなたは）（ペアワイズ距離計算の距離ベクトルを取得しますが、squareformで距離行列に変換することができます。 ほしいと思っています。