- 博客(2)
- 收藏
- 关注
RSS订阅转载 欧氏距离和余弦相似度
两者相同的地方，就是在机器学习中都可以用来计算相似度，但是两者的含义有很大差别，以我的理解就是：前者是看成坐标系中两个点，来计算两点之间的距离；后者是看成坐标系中两个向量，来计算两向量之间的夹角。前者因为是点，所以一般指位置上的差别，即距离；后者因为是向量，所以一般指方向上的差别，即所成夹角。如下图所示：数
2017-12-27 14:20:07
997
转载 欧式距离、标准化欧式距离、马氏距离、余弦距离
#### 目录 - 欧氏距离 - 标准化欧氏距离 - 马氏距离 - 夹角余弦距离 - 汉明距离 - 曼哈顿(Manhattan)距离1.欧式距离欧式距离源自N维欧氏空间中两点x1,x2间的距离公式： d=∑i=1N(x1i−x2i)2−−−−−−−−−√2.标准化欧式距离引入标准化欧式距离的原因是一个数据xi的各个维度之间
2017-12-27 11:35:30
4467
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人