【Python】常用距离计算方法

目录

1. 什么是距离度量

2. 距离度量分类

（1）几何距离度量

 1）欧氏距离 Euclidean distance

2）曼哈顿距离 Manhattan distance

3）切比雪夫距离 Chebyshev distance

4）闵可夫斯基距离 Minkowski distance

5）余弦相似度和距离 Cosine similarity

6）半正矢距离 Haversine distance

7）汉明距离

2. 统计距离测量

1）杰卡德指数和距离 Jaccard Index

2）Sorensen-Dice指数

 3）动态时间规整 Dynamic Time Warping

---

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