样本间相似度/距离计算方法总结
标签(空格分隔): 机器学习
闵可夫斯基距离
Minkowski距离,也成欧式距离,计算方法为:
dist(X,Y)=(∑ni=1|xi−yi|p)1p
这是我们最常用的一种距离度量方式,俗称范数。
当p = 2时就是我们常用的欧式距离。
Jaccard相似系数
J(A,B)=|A∩B||A∪B|
余弦相似度(consine similarity)
cos(θ)=XT
标签(空格分隔): 机器学习
Minkowski距离,也成欧式距离,计算方法为:
dist(X,Y)=(∑ni=1|xi−yi|p)1p
这是我们最常用的一种距离度量方式,俗称范数。
当p = 2时就是我们常用的欧式距离。
J(A,B)=|A∩B||A∪B|
cos(θ)=XT