课程小结——距离度量方法
来源:互联网 发布:淘宝商家申请 编辑:程序博客网 时间:2024/06/07 05:34
一、欧式距离
欧氏距离是最常见的两点之间或多点之间的距离表示法,又称之为欧几里得度量,它定义于欧几里得空间中。
二、曼哈顿距离
可以定义曼哈顿距离的正式意义为L1-距离或城市区块距离,也就是在欧几里得空间的固定直角坐标系上两点所形成的线段对轴产生的投影的距离总和。
三、切比雪夫距离
各对应坐标数值差的最大值。
四、闵可夫斯基距离
闵氏距离不是一种距离,而是一组距离的定义。
五、标准化欧氏距离
标准化欧氏距离是针对简单欧氏距离的缺点而作的一种改进方案。标准欧氏距离的思路:既然数据各维分量的分布不一样,那先将各个分量都“标准化”到均值、方差相等。
六、马氏距离
与量纲无关,排除变量之间的相关性的干扰。
七、巴氏距离
八、汉明距离
两个等长字符串s1与s2之间的汉明距离定义为将其中一个变为另外一个所需要作的最小替换次数,即两个字符串对应位置的不同字符的个数。
如:1011101与1001001之间的汉明距离是2;2143896与2233796之间的汉明距离是3;irie与 rise之间的汉明距离是3
九、夹角余弦
几何中夹角余弦可用来衡量两个向量方向的差异,机器学习中借用这一概念来衡量样本向量之间的差异,可以把两点看成是空间中的两个向量,通过衡量两向量之间的相似性来衡量样本之间的相似性。
阅读全文
0 0
- 课程小结——距离度量方法
- 机器学习——几种距离度量方法比较
- 相似性度量—距离1
- 相似性度量—距离2
- 距离度量方法
- 常用距离度量算法小结
- 距离和相似性度量方法
- 距离和相似度度量方法
- Machine Learning --5种距离度量方法
- 距离及相似度度量方法
- 距离和相似度度量方法
- 距离及相似度度量方法
- sklearn 下距离的度量 —— sklearn.metrics
- Hausdorff距离—曲线/点集间距离度量
- 距离度量
- 距离度量
- 距离度量
- 相似性度量方法(欧式距离等各种距离)
- web前端项目同时集成JSP和FreeMaker___多视图解析器配置
- samba服务
- matlab实现人脸识别---PCA与最近邻法
- 菜鸟学习历程【17】进程控制编程
- leetcode编程记录16 #31 Next Permutation
- 课程小结——距离度量方法
- 51nod 2006 飞行员配对(二分图最大匹配)
- mysql-connector-java 6.x配置问题解决方案
- 学习~笔记2
- Google Gson官方教程
- C语言学习的第五天
- MongoDB 基础学习
- python脚本学习(2)
- C# 类与类之间的嵌套,声明时子类对象为空的问题