目录
1. 什么是距离度量
距离度量是有监督和无监督学习算法的基础,包括k近邻、支持向量机和k均值聚类等。
距离度量用于计算给定问题空间中两个对象之间的差异,即数据集中的特征。然后可以使用该距离来确定特征之间的相似性, 距离越小特征越相似。
2. 距离度量分类
(1)几何距离度量
1)欧氏距离 Euclidean distance
可称为L2范数
优点:
直观,使用简单,对许多用例有良好结果,是最常用的距离度量和许多应用程序的默认距离度量。
缺点:
- 距离测量不适用
目录
距离度量是有监督和无监督学习算法的基础,包括k近邻、支持向量机和k均值聚类等。
距离度量用于计算给定问题空间中两个对象之间的差异,即数据集中的特征。然后可以使用该距离来确定特征之间的相似性, 距离越小特征越相似。
可称为L2范数
优点:
直观,使用简单,对许多用例有良好结果,是最常用的距离度量和许多应用程序的默认距离度量。
缺点: