本期所讲到的方法
- 欧氏距离
- 切比雪夫距离
- 余弦相似度
- 皮尔森相关系数
参考博文
1.https://www.jb51.net/article/164673.htm
2.https://www.jb51.net/article/177062.htm
3.https://www.cnblogs.com/arachis/p/Similarity.html
欧式距离
欧氏距离即欧几里得距离,在数学中,欧几里得距离衡量的是坐标系中两个点之间的“直线距离”,相关联的范数成为欧几里得范数(L2范数)。欧式距离一般在二维和三维中广泛运用,而在面对机器学习问题时,面对的数据量可能非常庞大,经过降维后的数据维度可能依然在七八维左右,因此,此时的计算出来的欧氏距离不能用几何来衡量了,它表示的更多是两个数据之间的相关性。
Python实现:用到了numpy,因此需要在你的pycharm中预装numpy。
import numpy as np
vector1 = np.array([1,1,2])
vector2 = np.array([2,2,3])
op1 = np.sqrt(np.sum(np.square(vector1-vector2)))
op2 = np.linalg.norm(vector1 - vector2)
#op1和op2是计算欧氏距离的两种方法
print(op1