MLUtils的fastSquaredDistance方法分析

求两个向量的欧式距离，MLUtil有一个方法是fastSquaredDistance，比如有两个点(a1,b1),(a2,b2),那么欧式距离平方为（a1-a2)^2 + (b1-b2)^2

把代码翻译成java

public static double fastSquaredDistance(Vector v1, Vector v2)
{

double norm1 = Vectors.norm( v1, 2.0 );
double norm2 = Vectors.norm( v2, 2.0 );

double ESP = Math.pow( 2.0, -52 );
double precision = 1E-6;

double sumNorm = norm1 * norm1 + norm2*norm2;
double normDiff = norm1 - norm2;
double sqDist = 0.0;

double precisionBound1 = 2.0*ESP*sumNorm/(normDiff*normDiff + ESP);
if (precisionBound1 < precision)
{
sqDist = sumNorm - 2*BLAS.dot( v1, v2 );
}
else
{
sqDist = Vectors.sqdist( v1, v2 );
}
return sqDist;
}

现在的问题是为什么 要判断precisionBound1 的值，其实是这样的，看一个函数

private static void test(double a, double b)
{
double r1 = a*a + b*b - 2*a*b;
double r2 = (a-b)*(a-b);
System.out.println( r1 );
System.out.println( r2 );
}

如果传入test（10500600.1， 10500600.1001），那么r1和 r2的值为-0.03125，1.0000003278255731E-6也就说在这种情况下，（a-b）的平方不等于a^2 + b^2-2*a*b.

判断precisionBound1 就是这么来的。那么什么情况下回出现这种情况呢？就是（a-b）的平方非常小，但是a^2 + b^2比较大，那么进行浮点运算就损失精度了。

所以看条件2.0*ESP*sumNorm/(normDiff*normDiff + ESP)，normDiff*normDiff 是比欧式距离还小的一个数，如果比值很大，就认为sumNorm比较大而欧式距离比较小。

这个算法有种情况下比如（2,3））（3,2）的情况也符合条件，当时显然是可以用a^2 + b^2-2*a*b来计算的,没有做进一步区分，当然也不是必须的，Vectors.sqdist( v1, v2 )完全可以计算正确的值。