各种距离（I）闵可夫斯基距离和它的朋友们

前提

假设有向量$\mathbf{x}=\left(\begin{aligned}\begin{matrix}x_1\\x_2\\\vdots\\x_n\\\end{matrix}\end{aligned}\right)$和向量$\mathbf{y}=\left(\begin{aligned}\begin{matrix}y_1\\y_1\\\vdots\\y_n\\\end{matrix}\end{aligned}\right)$

向量的模

$$|\mathbf{x}|=\sqrt{\sum\limits_{i=1}^{n}x_i^2}$$
$$|\mathbf{y}|=\sqrt{\sum\limits_{i=1}^{n}y_i^2}$$

闵可夫斯基距离

$$dist(\mathbf{x},\mathbf{y})=\left({\sum\limits_{i=1}^{n}{|x_i-y_i|}^p}\right)^{\frac{1}{p}}$$

$p=1$

曼哈顿距离

$$dist(\mathbf{x},\mathbf{y})={\sum\limits_{i=1}^{n}{|x_i-y_i|}}$$

$p=2$

欧式距离

向量表示法

$$dist(\mathbf{x},\mathbf{y})=|\mathbf{x}-\mathbf{y}|$$

一般表示法

$$dist(\mathbf{x},\mathbf{y})=\sqrt{\sum\limits_{i=1}^{n}{(x_i-y_i)}^2}$$

$p\rightarrow +\infty$

切比雪夫距离

$$dist(\mathbf{x},\mathbf{y})=\mathop{\max}_i|x_i-y_i|$$