计算机领域各种距离计算公式

目录

1. 绝对值距离

2. 欧氏距离

3. 曼哈顿距离

4. 切比雪夫距离

5. 闵可夫斯基距离(Minkowski Distance)

6. 标准化欧氏距离 (Standardized Euclidean distance )

7. 马氏距离(Mahalanobis Distance)

8. 巴氏距离（Bhattacharyya Distance）

9. 汉明距离(Hamming distance)

10. 余弦距离 (Cosine)

11. 杰卡德相似系数(Jaccard similarity coefficient)

12. 皮尔逊系数(Pearson Correlation Coefficient)

13. 相关系数

---

声明：部分内容来自于网络，对来自网络的内容进行删减，添加了新的内容之后重新编辑了，图片水印全部去除了。

1. 绝对值距离

2. 欧氏距离

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，如点 x = (x1,...,xn) 和 y = (y1,...,yn) 之间的距离为：

(1)二维平面上两点a(x1,y1)与b(x2,y2)间的欧氏距离：

(2)三维空间两点a(x1,y1,z1)与b(x2,y2,z2)间的欧氏距离：

(3)两个n维向量之间间的欧氏距离：

，距离公式： 

3. 曼哈顿距离

我们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。例如在平面上，坐标（x1,y1）的点P1与坐标（x2, y2）的点P2的曼哈顿距离为：，要注意的是，曼哈顿距离依赖座标系统的转度，而非系统在座标轴上的平移或映射。

    通俗来讲，想象你在曼哈顿要从一个十字路口开车到另外一个十字路口，驾驶距离是两点间的直线距离吗？显然不是，除非你能穿越大楼。而实际驾驶距离就是这个“曼哈顿距离”，此即曼哈顿距离名称的来源，同时，曼哈顿距离也称为城市街区距离(CityBlock distance)。

(1)二维平面两点a(x1,y1)与b(x2,y2)间的曼哈顿距离

(2)两个n维向量a(x11,x12,…,x1n)与 b(x21,x22,…,x2n)间的曼哈顿距离

   

 

4. 切比雪夫距离

公式如下：

通俗来件，切比雪夫距离就是闵式距离公式当q趋于无穷大时的情况。

下面是详细解释：

若二个向量或二个点p 、and q，其座标分别为及，则两者之间的切比雪夫距离定义如下：，

  这也等于以下Lp度量的极值：，因此切比雪夫距离也称为L∞度量。

  以数学的观点来看，切比雪夫距离是由一致范数（uniform norm）（或称为上确界范数）所衍生的度量，也是超凸度量（injectivemetric space）的一种。

  在平面几何中，若二点p及q的直角坐标系坐标为及，则切比雪夫距离为：。

 

  玩过国际象棋的朋友或许知道，国王走一步能够移动到相邻的8个方格中的任意一个。那么国王从格子(x1,y1)走到格子(x2,y2)最少需要多少步？。你会发现最少步数总是max(| x2-x1 | , | y2-y1 | ) 步 。有一种类似的一种距离度量方法叫切比雪夫距离。

 

(1)二维平面两点a(x1,y1)与b(x2,y2)间的切比雪夫距离

(2)两个n维向量a(x11,x12,…,x1n)与 b(x21,x22,…,x2n)间的切比雪夫距离：

　

这个公式的另一种等价形式是：

 

5. 闵可夫斯基距离(Minkowski Distance)

闵可夫斯基距离简称闵氏距离，闵氏距离不是一种距离，而是一组距离的定义。

(1) 闵氏距离的定义

两个n维变量a(x11,x12,…,x1n)与 b(x21,x22,…,x2n)间的闵可夫斯基距离定义为：

其中p是一个变参数。当p=1时，就是曼哈顿距离；当p=2时，就是欧氏距离；当p→∞时，就是切比雪夫距离

根据变参数的不同，闵氏距离可以表示一类的距离。