R语言实现距离算法

R语言实现距离算法

距离算法在数据分析和机器学习中起着重要的作用。在R语言中，我们可以使用多种距离算法来度量数据点之间的相似性或差异性。本文将介绍几种常用的距离算法，并提供相应的R代码实现。

1. 欧氏距离（Euclidean Distance）

欧氏距离是最常见的距离度量方法之一，用于计算两个数据点在多维空间中的直线距离。在R中，我们可以使用dist()函数来计算欧氏距离。

# 创建示例数据
data <- matrix(c(1, 2, 3, 4, 5, 6), ncol = 2)

# 计算欧氏距离
dist_matrix <- dist(data, method = "euclidean")

# 打印距离矩阵
print(dist_matrix)

2. 曼哈顿距离（Manhattan Distance）

曼哈顿距离是另一种常见的距离度量方法，用于计算两个数据点在多维空间中的城市街区距离。在R中，我们可以通过自定义函数来计算曼哈顿距离。

# 创建示例数据
data <- matrix(c(1, 2, 3, 4, 5, 6), ncol = 2)

# 计算曼哈顿距离
manhattan_dist <- function(x, y) {
  sum(ab