学习笔记 | 欧式距离、曼哈顿距离、余弦距离

最新推荐文章于 2023-08-20 15:08:17 发布
最新推荐文章于 2023-08-20 15:08:17 发布
阅读量808 收藏 4
点赞数
分类专栏： # 机器学习 文章标签： 余弦距离 欧氏距离 曼哈顿距离
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_34170700/article/details/106245438
版权
01 欧氏距离

在这里插入图片描述

02 曼哈顿距离
  • 曼哈顿距离也叫出租车距离，用来标明两个点在标准坐标系上的绝对轴距总和。
  • 被称为出租车距离是因为在像纽约曼哈顿区这样的地区有很多由横平竖直的街道所切成的街区（Block），出租车司机计算从一个位置到另一个位置的距离，通常直接用街区的两个坐标分别相减，再相加，这个结果就是他即将开车通过的街区数量。

曼哈顿距离中的距离计算：

  • 从公式定义上看，曼哈顿距离一定是一个非负数，距离最小的情况就是两个点重合，距离为0，这一点和欧氏距离一样。
03 余弦距离

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

大虎牙
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习部分：距离的度量（欧氏距离，曼哈顿距离，夹角余弦距离，切比雪夫距离，汉明距离，闵可夫斯基距离，马氏距离）
wyqwilliam的博客
08-14 9339
在数据挖掘中，我们经常需要计算样本之间的相似度(Similarity ),我们通常的做法是计算样本之间的距离,本文对距离计算方法做以下总结。 距离计算方法   1.欧式距离EuclideanDistance 欧式距离：也称欧几里得距离，在一个N维度的空间里，求两个点的距离，这个距离肯定是一个大于等于零的数字，那么这个距离需要用两个点在各自维度上的坐标相减，平方后加和再开方。 ...
学习笔记 || VM虚拟机下安装Ubuntu18
01-09
学习笔记 || VMware虚拟机下安装Ubuntu18.04 哈罗，这里是Kun的笔记空间站，Kun有空的时候呢会在这里记录一些自己的学习笔记、踩坑、爬坑经历。 算是对自己学习轨迹的一个记录也希望能帮助到一些跟我有着同样入坑...
机器学习：超参数的选择，余弦距离vs欧式距离vs曼哈顿距离
weixin_41108334的博客
01-15 6516
一、超参数选择 Grid Search 网格搜索 在高维空间中对一定区域进行遍历 Random Search 在高维空间中随机选择若干超参数 二、余弦相似度（Cos距离）与欧氏距离的区别和联系 欧式距离和余弦相似度都能度量 2 个向量之间的相似度 放到向量空间中看，欧式距离衡量两点之间的直线距离，而余弦相似度计算的是两个向量之间的夹角 没有归一化时，欧式距离的范围是 (0, +∞]，...
曼哈顿距离，欧式距离，余弦距离
鲨鱼大哥的专栏
03-13 2万+
1.曼哈顿距离 曼哈顿距离，叫出租车距离的。具见上图黄线，应该就能明白。 计算距离最简单的方法是曼哈顿距离。假设，先考虑二维情况，只有两个乐队 x 和 y，用户A的评价为(x1,y1)，用户B的评价为(x2,y2)，那么，它们之间的曼哈顿距离为 2.欧式距离 欧式距离又称欧几里得距离或欧几里得度量（Euclidean Metric），以空间为基准的两点之...
欧式距离和曼哈顿距离
读万卷书，行万里路。
08-21 2629
首先把公式搞出来吧，下面是二维平面的距离求解。 欧式距离： 曼哈顿距离： |x|= |x1-x2|+|y1-y2| 当然扩展到多维空间，我们也可以据需按照上面的公式来发挥了。 欧式距离： 欧式距离计算的是两个点之间的实际距离。或者用来求向量的自然长度。 曼哈顿距离： 从一个十字路口开车到另外一个十字路口，驾驶距离是两点间的直线距离吗？显然不是，除非你能穿越大楼。实际驾驶距离就是这个...
文本向量的距离测度——欧氏距离、曼哈顿距离、余弦相似度
NLP翟
04-23 2905
文本的常用距离测度欧氏距离曼哈顿距离曼哈顿距离和欧氏距离的区别余弦相似度余弦相似度和欧氏距离的区别 在NLP中文本均会被表示为向量的形式，为了给出任何两个文本之间的相似程度，则可以利用各类的距离进行表示，其中最为著名的两种距离就是欧式距离和宇轩相似度，此外还有曼哈顿距离也被广泛使用。而这三个测度方式均是在欧式空间下进行的。 本文以如下的两个向量作为例子进行具体的阐述： vec1=[x1,x2,x...
学习笔记：TOPSIS法（优劣解距离法）
02-27
TOPSIS 法（优劣解距离法） TOPSIS 法是一种常用的综合评价方法，由 C.L.Hwang 和 K.Yoon 于 1981 年首次提出。该方法能充分利用原始数据的信息，其结果能精确地反映各评价方案之间的差距。 基本过程为： 1. 将...
Java基础 学习笔记 Markdownr版
06-27
本学习笔记主要涵盖了Java的基础知识，包括面向对象、集合、IO流、多线程、反射与动态代理以及Java 8的新特性等方面，旨在帮助初学者或有经验的开发者巩固和提升Java编程技能。 1. 面向对象（OOP）：Java的核心是...
学习笔记学习笔记学习笔记
01-29
学习笔记学习笔记学习笔记
java学习笔记总结
04-02
这份“java学习笔记总结”涵盖了作者在深入学习Java过程中积累的知识点和实践经验，旨在帮助读者理解和掌握Java的核心概念。 首先，Java的基础部分包括语法、变量、数据类型、运算符和流程控制。Java支持八种基本...
NN中常用的距离计算公式：欧式距离、曼哈顿距离、马氏距离、余弦、汉明距离
热门推荐
山中有石为玉
06-21 4万+
1、欧氏距离Euclidean Distance： 2、曼哈顿距离Manhattan： 3、Mahalanobis马氏距离 马氏距离的浅显解释，见我的博文：https://blog.csdn.net/weixin_41770169/article/details/80759195 马氏距离和欧式距离的对比，见我的博文：https://blog.csdn.net/we...
9个机器学习算法中常见的距离计算公式
黑马程序员官方博客
06-08 3293
欧氏距离是最容易直观理解的距离度量方法，我们小学、初中和高中接触到的两个点在空间中的距离一般都是指欧氏距离。举例: 2 曼哈顿距离(Manhattan Distance)： 在曼哈顿街区要从一个十字路口开车到另一个十字路口，驾驶距离显然不是两点间的直线距离。这个实际驾驶距离就是“曼哈顿距离”。曼哈顿距离也称为“城市街区距离”(City Block distance)。举例: 3 切比雪夫距离 (Chebyshev Distance)： 国际象棋中，国王可以直行、横行、斜行，所以国王走一步可以移动
机器学习---常见的距离公式（欧氏距离、曼哈顿距离、标准化欧式距离、余弦距离、杰卡德距离、马氏距离、切比雪夫距离、闵可夫斯基距离、K-L散度）
最新发布
weixin_43961909的博客
08-20 2万+
欧几里得度量（euclidean metric）（也称欧氏距离）是一个通常采用的距离定义，指在m维空。间中两个点之间的真实距离，或者向量的自然长度（即该点到原点的距离）。的欧氏距离就是两点之间的实际距离。
欧式距离与曼哈顿距离
叶小刀
08-13 4万+
欧式距离，其实就是应用勾股定理计算两个点的直线距离 二维空间的公式 其中， 为点与点之间的欧氏距离；为点到原点的欧氏距离。 三维空间的公式 n维空间的公式   曼哈顿距离，就是表示两个点在标准坐标系上的绝对轴距之和： 图中红线代表曼哈顿距离，绿色代表欧氏距离，也就是直线距离，而蓝色和黄色代表等价的曼哈顿距离。曼哈顿距离——两点在南北方向上...
相似度计算方法
qq_33761777的博客
10-21 555
几种方法 杰卡德系数 余弦相似度 皮尔逊系数 距离—欧氏距离，曼哈顿距离，明氏距离 有计算公式 更多系数
算法 | k-means聚类
Chen_Tianyang的博客
11-01 3683
本文介绍机器学习的一种常见算法：k-means聚类。聚类属于无监督学习，相比于分类，聚类不依赖预定义的类和类标号的训练实例。本文的主要内背景说明、算法原理、程序实现以及实验结果分析。
机器学习算法--欧几里得距离、余弦距离和曼哈顿距离的计算
糯米君的博客
03-07 1208
两个向量之间的距离可以通过很多不同的方式来度量如欧几里得距离、余弦距离和曼哈顿距离 import numpy as np # 向量的差 A = np.array([[1, 2, 3], [4, 5, 6]]) print(A[0]) print(A[1]) print(np.diff(A, axis=0)) print(A[1] - A[0]) # 欧几里得距离也称为 L2 范数 # 它是两个向量差的长度。L2 中的“L”代表长度。L2 中 # 的“2”表示在对这些值求和之前（且在求和的平方根之前）向量
欧氏距离，曼哈顿距离，余弦相似性度量的定义及其使用场景
Just_do_myself的博客
04-07 2482
####欧氏距离 欧式距离是表征两点之间的直线距离，其在k维空间的计算公式为： ####曼哈顿距离 曼哈顿距离表示的是两点之间连线对各个坐标轴投影的长度总和，其示意图和计算公式如下：
Bicyclic Graphs的距离矩阵计算
"这篇论文探讨了理论计算机科学中Bicyclic Graph（双循环图）的距离矩阵的决定论问题。作者包括Ezequiel Dratman、Lucien N. Grippo、Mars D. Safi、Celso J. Silva Jr. 和 Renata R. Reis。文章发表于2019年的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值