常用距离计算与定义

最新推荐文章于 2024-09-02 20:10:53 发布

翻滚的阿豆

最新推荐文章于 2024-09-02 20:10:53 发布

阅读量2.4k

点赞数 2

文章标签：生物信息学

原文链接：http://booleflow.com/2020/10/31/chang-yong-ju-chi-ding-yi-yu-ji-suan/

版权

本文详细介绍了数值向量和布尔向量的各种距离计算方法，包括欧氏距离、余弦相似度、汉明距离等，并提供了相关公式和实例。此外，还探讨了JS散度的特殊情况，当p,q完全不重叠时，其值等于log2。这些距离和相似度度量在数据分析、机器学习和信息检索等领域中有着广泛应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

常用距离计算与定义–学习笔记
目录
1.数值向量距离
布雷柯蒂斯相异度（Bray-Curtis distance）
坎贝拉距离（Canberra distance）
切比雪夫距离（Chebyshev distance）
曼哈顿距离（Manhattan／cityblock distance）
相关系数距离（Correlation distance）
余弦相似度距离（Cosine distance）
欧氏距离（Euclidean distance）
JS散度距离（Jensen-Shannon distance）
马氏距离（Mahalanobis distance）
闵可夫斯基距离（Minkowski distance）
标准欧式距离（standardized Euclidean distance）
平方欧式距离（squared Euclidean distance）
加权闵可夫斯基距离（Minkowski distance）
搬土距离（Earth Mover distance）
2.布尔向量距离
Dice系数（Dice dissimilarity）
汉明距离（Hamming distance）
杰卡德差异（Jaccard-Needham dissimilarity）
库尔辛斯基差异（Kulsinski dissimilarity）
田本罗杰斯差异（Rogers-Tanimoto dissimilarity）
拉塞尔差异（Russell-Rao dissimilarity）
索卡尔米切纳差异（Sokal-Michener dissimilarity）
索卡尔雪差异（Sokal-Sneath dissimilarity）
Yule差异（Yule dissimilarity

数值向量距离

在这里插入图片描述

在这里插入图片描述

当p ,q完全不重叠时js散度为一个常数=log2，推导过程：https://blog.csdn.net/Invokar/article/details/88917214
附解析

在这里插入图片描述

附：例题S应该指S²！？

布尔向量距离

在这里插入图片描述

原文作者: Boole
文章链接: http://booleflow.com/2020/10/31/chang-yong-ju-chi-ding-yi-yu-ji-suan/
代码源码：https://github.com/scipy/scipy/blob/v0.17.1/scipy/spatial/distance.py#L606-L634