数据挖掘/机器学习 之 距离测度

本文介绍了数据挖掘和机器学习中的距离测度概念,包括非负性、对称性和三角不等式等性质。讨论了欧氏距离、Jaccard距离、余弦距离和编辑距离的计算方法,如编辑距离通过最长公共子序列计算。还提到了海明距离以及在特定条件下的皮尔逊相关系数。此外,文章阐述了Jaccard相似度作为衡量集合相似性的指标。
摘要由CSDN通过智能技术生成
某空间下的距离测度是一个函数d(x,y),该函数满足下列准则:
  1. d(x,y)>=0 (距离非负)
  2. d(x,y)=0,当且仅当x=y
  3. d(x,y)=d(y,x)(对称性)
  4. d(x,y)<=d(x,z)+d(z,y)(三角不等式)
常见的有:
  • 欧氏距离
  • Jaccard距离
  • 余弦距离
  • 编辑距离:两个字符串x,y把x替换
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值