样本间距离计算方法总结

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：

$\begin{equation} dist(X, Y) = (\sum_{i=1}^{n}|x_{i}-y_{i}|^{p})^{\frac{1}{p}} \end{equation}$
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

$\begin{equation} J(A, B) = \frac{|A \cap B|}{|A \cup B|} \end{equation}$

余弦相似度(consine similarity)

cos(θ)=XT