欧几里德距离，Scipy，纯Python和Java之间的结果不同

Question

我正在玩欧几里德距离度量的不同实现，我注意到我得到了Scipy，纯Python和Java的不同结果。

以下是我使用Scipy（=选项1）计算距离的方法：

distance = scipy.spatial.distance.euclidean(sample, training_vector)

这是我在论坛中发现的Python实现（选项2）：

distance = math.sqrt(sum([(a - b) ** 2 for a, b in zip(training_vector, sample)]))

最后，这是我在Java中的实现（选项3）：

public double distance(int[] a, int[] b) {
    assert a.length == b.length;
    double squaredDistance = 0.0;
    for(int i=0; i<a.length; i++){
        squaredDistance += Math.pow(a[i] - b[i], 2.0);
    }
    return Math.sqrt(squaredDistance);
}

sample和training_vector都是长度为784的1-D阵列，取自MNIST数据集。我用相同的sample和training_vector尝试了所有三种方法。问题是三种不同的方法导致三种显着不同的距离（即，选项1约为1936，选项2约为1914，选项3为1382）。有趣的是，当我在选项1和2中使用sample和training_vector的相同参数顺序时（即将参数翻转到选项1），我得到了这两个选项的相同结果。但距离指标应该是对称的，对吧......？

还有趣的是：我将这些指标用于MNIST数据集的k-NN分类器。对于100个测试样本和2700个训练样本，我的Java实现产生了大约94％的准确度。但是，使用选项1的Python实现仅产生约75％的准确度......

你有什么想法，为什么我得到这些不同的结果？如果您有兴趣，我可以在线发布两个阵列的CSV，并在此处发布链接。

我正在使用Java 8，Python 2.7和Scipy 1.0.0。

编辑：将选项2更改为

distance = math.sqrt(sum([(float(a) - float(b)) ** 2 for a, b in zip(training_vector, sample)]))

这具有以下效果：

• 它摆脱了ubyte溢出警告（我一定错过了这个警告......）
• 更改选项1和2的参数顺序不再有所作为。
• 选项2（纯Python）和3（Java）的结果现在相等

因此，这只会留下以下问题：为什么使用SciPy时结果会有所不同（即错误？）？

Answer 1

好的，我找到了解决方案：我使用dtype=np.uint8的pandas导入了训练和测试数据集。因此，sample和training_vector都是uint8类型的numpy数组。我将数据类型更改为np.float32，现在我的所有三个选项都给出了相同的结果。我也试过np.uint32，它也可以。

我不太清楚为什么，但显然，SciPy在使用uint8时没有给出“预期”的结果。也许SciPy有一些内部溢出？不太确定，但至少它现在有效。感谢所有帮助过的人！