4.24 认知学习：距离度量、特征预处理

1、距离度量

欧氏距离：

举个例子：ABCD四点X=[[1,1],[2,2],[3,3],[4,4]]，计算ABACADBCBD距离经计算得: AB=(2−1)2+(2−1)2=2=1.414

d = 1.4142

曼哈顿距离：

举个例子：ABCD四点X=[[1,1],[2,2],[3,3],[4,4]]，计算ABACADBCBD曼哈顿距离经计算得: AB=2−1+2−1=2

d = 2 4 6 2 4 2

切比雪夫距离：

举个例子：ABCD四点X=[[1,1],[2,2],[3,3],[4,4]]，计算ABACADBCBD曼哈顿距离经计算得: AB=max(2−1,2−1)=1

d = 1 2 3 1 2 1

闵可夫斯基距离：

又称闵氏距离

不是一种新的距离的度量方式。

•是对多个距离度量公式的概括性的表述pnkpkkdxx==−11212

•两个n维变量a(x11,x12,…,x1n)与b(x21,x22,…,x2n)间的闵可夫斯基距离定义为其中p是一个变参数：当p=1时，就是曼哈顿距离；当p=2时，就是欧氏距离；当p→∞ 时，就是切比雪夫距离根据p的不同，闵氏距离可表示某一类种的距离。

2.特征预处理

3.鸢尾花分类的预处理

总的来说今天学了很多东西，没有环境恶心人了。。

又是元气满满的一天！！