本文详细介绍了相似度和相异性在IT技术中的概念，包括各种度量方法如欧式距离、曼哈顿距离、明可夫斯基距离、马式距离（协方差方差距离）、余弦相似度和Jaccard相似度，以及它们在衡量对象相似度和差异度方面的应用。
1.相似性：两个对象相似程度的数值度量。相似度是非负的，在0（不相似）和1（完全相似）之间取值。
2.相异性：两个对象差异程度的度量，对象越相似，相异度越低。相异度的同义词是距离。
3.相似度与相异度的度量方法：
①欧式距离（将样本看作一个点）
在m维的空间中2点之间的真实距离。
距离越短，两点相似度越大，反之亦然
②曼哈顿距离（可以如此理解：看网格中的距离，并不看直接连线）
③明可夫斯基距离（明式距离是欧式距离距离的推广）
在公式中：
P==1，明式距离就是曼哈顿距离
P==2，明式距离就是欧式距离
P 趋近于无穷大 ，即为切比雪夫距离
④马式距离（通常是指样本集的相似度）
数据的协方差方差距离
⑤余弦相似度
（看两个向量的夹角）
⑥Jaccard相似度
真懒惰啊 好好鞭策自己
1045
1075
248
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
