以下内容来自《Python数据科学指南》
欧式空间与非欧氏空间的区别:
l 直观理解上:如果向量的元素是实数,那就是欧式空间;如果是整数,则不是欧式空间。其中文本挖掘时,词被当作轴,文档作为空间内的向量,两个文档向量的夹角的余弦值代表这两个文档之间的相似度。
l 数学理解上:欧式空间内两条平行线永不相交。但如果把空间想做一个地球,其中作为平行线的经线会相交于极点,此时该空间为非欧氏空间。
参考链接:https://www.zhihu.com/question/27903807如何通俗的解释欧氏空间?
欧式空间的距离度量:
l Lr-Norm距离:当r为2时,该距离度量为euclidean_distance,欧式距离也称L2-Norm距离。
l 余弦距离:即两个输入向量间夹角的余弦值。
非欧式空间的距离度量:
l Jaccard距离:用于测量集合间的距离,交集大小/并集大小=Jaccard系数,1- Jaccard系数为其距离。
l Hamming距离:统计不同的位的总数。
调用的API:
from sklearn.merics import euclidean_distances等