计算距离和相似度的常用算法

相似度是衡量多个数据对象之间相似的数值，通常位于0-1之间。
相异度与之对应，0-与数据集有关，可能超过2。

常用计算距离和相似度的方法：
①欧几里得距离/欧氏距离
衡量的是多维空间中各个点的之间的绝对距离。是比较直观常见的相似度算法。
欧氏距离越小，相似度越大；欧氏距离越大，相似度越小。比较符合人类记忆，距离越小越像。（啊这是我看到过欧几里得最简单的公式了呜呜

代码实现：

#输入：x，y为维度相同的包含各特征值的list
#输出：输入值x，y的欧氏距离
def dis_euc(x, y):
    return sum([(x[i]-y[i])**2 for i in range(len(x))])**0.5

②明科夫斯基距离（欧氏距离和曼哈顿距离的推广）
又叫明氏距离或闵式距离。下面公式中，p=1时为曼哈顿距离公式，p=2时为欧式距离公式，p取无穷时的极限情况下，可以得到切比雪夫距离。

代码实现：

#输入：x，y为维度相同的包含各特征值的list,p为int
#输出：输入值x，y的明可夫斯基距离
def dis_man(x, y, p):
    return sum([(x[i]-y[i])**p for i in range(len(x)])**(1/p)

③余弦距离
就是求两个向量夹角的余弦值，其相似性范围为-1到1，方向相反为-1，方向相同为1，相互独立为0。

代码实现：

#输入：x，y为维度相同的包含各特征值的list
#输出：输入值x，y的余弦相似度
def sim_cos(x, y):
    num = sum([x[i]*y[i] for i in range(len(x))])
    den = sum([x[i]**2 for i in range(len(x))])**0.5\
     *sum([y[i]**2 for i in range(len(y))])**0.5
    return num / den

④杰卡德相似系数/Jaccard相似度
两个集合A和B的交集元素在A、B的并集中所占的比例，称为两个集合的杰卡德相似系数，用负号J(A,B)表示。
J(A,B) = |A ∩ B| / |A∪B|
另外1−J(A,B)是杰卡德距离，它用两个集合中不同元素占所有元素的比例来衡量两个集合的区分度，概念与杰卡德相反就是惹。