数据挖掘

闵可夫斯基距离

 一，对于距离d（x，y）有以下性质

1) d(x,x) = 0 // 到自己的距离为0 
2) d(x,y) >= 0 // 距离非负 
3) d(x,y) = d(y,x) // 对称性: 如果 A 到 B 距离是 a，那么 B 到 A 的距离也应该是 a 

4) d(x,k)+ d(k,y) >= d(x,y) // 三角形法则: (两边之和大于第三边)

二，闵可夫斯基距离的定义

当q=1时 为曼哈顿距离

当q=2时，表示欧几里得距离

当q=∞时，表示切比雪夫距离

该距离最常用的 q 是 2 和 1, 前者是欧几里得距离（Euclidean distance），后者是曼哈顿距离（Manhattan distance）。假设在曼哈顿街区乘坐出租车从 P 点到 Q 点，白色表示高楼大厦，灰色表示街道：

绿色的斜线表示欧几里得距离，在现实中是不可能的。其他三条折线表示了曼哈顿距离，这三条折线的长度是相等的。