闵可夫斯基距离(MinkowskiDistance)
来源:互联网 发布:windows有多少行代码 编辑:程序博客网 时间:2024/06/05 22:49
闵可夫斯基距离(MinkowskiDistance)
闵氏距离不是一种距离,而是一组距离的定义。
(1)闵氏距离的定义
两个n维变量a(x11,x12,…,x1n)与b(x21,x22,…,x2n)间的闵可夫斯基距离定义为:
其中p是一个变参数。
当p=1时,就是曼哈顿距离
当p=2时,就是欧氏距离
当p→∞时,就是切比雪夫距离
根据变参数的不同,闵氏距离可以表示一类的距离。
(2)闵氏距离的缺点
闵氏距离,包括曼哈顿距离、欧氏距离和切比雪夫距离都存在明显的缺点。
举个例子:二维样本(身高,体重),其中身高范围是150~190,体重范围是50~60,有三个样本:a(180,50),b(190,50),c(180,60)。
那么a与b之间的闵氏距离(无论是曼哈顿距离、欧氏距离或切比雪夫距离)等于a与c之间的闵氏距离,但是身高的10cm并不等价于体重的10kg!
因此用闵氏距离来衡量这些样本间的相似度很有问题。
简单说来,闵氏距离的缺点主要有两个:
(1)将各个分量的量纲(scale),也就是“单位”当作相同的看待了。
(2)没有考虑各个分量的分布(期望,方差等)可能是不同的。
阅读全文
0 0
- 闵可夫斯基距离(MinkowskiDistance)
- 闵可夫斯基距离
- 算法中的各种距离(欧式距离,马氏距离,闵可夫斯基距离......)
- 距离
- 距离
- 距离
- 距离
- 距离!
- 距离
- 距离
- 距离
- 距离
- 距离
- 距离
- 距离
- 距离
- 距离
- 距离
- Spring的applicationContext.xml配置文件的一些问题
- java练习——更新会员积分
- 频道管理的依赖实现
- ScrollView嵌套Viewpager嵌套瀑布流Recyclerview
- Arrays.asList()方法
- 闵可夫斯基距离(MinkowskiDistance)
- VS code 中的各种变量 ${file},${fileBasename}
- XML解析精讲
- MVP + okHttpUtils的简单实践
- netty之ChannelOption
- 未分类
- Django学习(7):templates过滤器及Admin增强
- MSHR(miss status handling register)
- java练习——客户信息(方法简单理解)