距离函数汇总

大哇唧

已于 2022-05-22 18:49:21 修改

阅读量3.1k

点赞数

分类专栏：机器学习文章标签：聚类机器学习人工智能

于 2022-05-14 11:32:22 首次发布

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/sinat_41928169/article/details/124086449

版权

设 $X=(x_{1},x_{2},\cdots ,x_{n}),Y=(y_{1},y_{2},\cdots ,y_{n})$ ，X与Y之间的距离或相似性可以通过不同的公式计算得到。

1. 闵科夫斯基距离(Minkowski Distance)

闵科夫斯基距离越大相似度越小，距离越小相似度越大。

$dist(X,Y)=\left (\sum_{i=1}^{n} \left | x_{i}-y_{i} \right |^{p} \right )^{1/p}$ ，其中 $p \geqslant 1$ 。
2. 曼哈顿距离(Manhattan Distance)
当 $p=1$ 时，闵科夫斯基距离即曼哈顿距离。

最低0.47元/天解锁文章

关注

0
点赞
踩
13

收藏

觉得还不错? 一键收藏
0
评论
距离函数汇总

2.1 闵科夫斯基距离（Minkowski distance）2.2 曼哈顿距离(Manhattan distance)当时，闵科夫斯基距离即曼哈顿距离(Manhattan distance)2.3 欧式距离（Euclidean distance）时，闵科夫斯基距离即欧式距离（Euclidean distance）2.4 切比雪夫距离(Chebyshev Distance)时，闵科夫斯基距离即切比雪夫距离(Chebyshev Distance)闵可夫斯基距离，曼哈顿距离，欧式...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。