常见的距离和相似度测量方法

距离或相似度的测量算法在机器学习、数据挖掘和模式识别等领域中非常重要。以下是一些常见的距离和相似度测量方法：

距离度量

1. 欧氏距离(Euclidean Distance)
   • 用于计算多维空间中两点之间的最短距离。
   • 公式：$$d(p,q)=\sqrt{\sum _{i=1}^n(q_i-p_i{)}^2}$$
2. 曼哈顿距离(Manhattan Distance)
   • 也称为城市街区距离，计算两点在标准坐标系上的绝对轴距总和。
   • 公式： d ( p , q ) = ∑ i = 1 n ∣ q i − p i ∣ d(p, q) = \sum_{i=1}^{n} |q_i - p_i| d(p,q)=i=1<