【机器学习】机器学习中的各种相似性、距离度量

【机器学习】机器学习中的各种相似性、距离度量

标签（空格分隔）： 【机器学习】

---

声明：引用请注明出处http://blog.csdn.net/lg1259156776/

---

说明：主要参考了博文《漫谈机器学习中的距离和相似性度量方法》。具体的计算方法可以参看我的上一篇博文《【Matlab开发】matlab中bar绘图设置与各种距离度量》。本文主要关注点在于各个距离、相似度之间的优缺点，及使用时候的注意事项。

---

1. 闵可夫斯基距离

基本认识

该距离最常用的 p 是 2 和 1, 前者是欧几里得距离（Euclidean distance），后者是曼哈顿距离（Manhattan distance）。假设在曼哈顿街区乘坐出租车从 P 点到 Q 点，白色表示高楼大厦，灰色表示街道：