【算法】机器学习中常见距离算法汇总

1.欧几里得距离（euclidean Distance）：也叫做欧式距离。源自欧氏空间中两点间的距离公式,有二维平面上两点间的欧氏距离，三维空间两点间的欧氏距离。

2.曼哈顿距离（manhattan Distance）：听名字就感觉是跟纽约的曼哈顿有关，是说从曼哈顿街区的一个十字路口开车到另外一个十字路口，驾驶距离因为不是两点间的直线距离，而实际驾驶距离就是这个“曼哈顿距离”。所以这也是曼哈顿距离名称的来源。

蓝色的线就是曼哈顿距离

 

3.余弦距离（cosine Distance）

　　也叫余弦相似度，是测量两个向量的夹角的余弦值来度量它们之间的相似性。

 

4.皮尔森距离（pearson Distance）

5.切比雪夫距离（chebyshev Distance）：各坐标数值差的最大值。

6.洛伦兹距离（lorentzian Distance）

7.堪培拉距离（canberra Distance）

8.波浪距离（wavehedges Distance）

9.杰卡德距离（jaccard Distance）

10.巴氏距离 (Bhattacharyya Distance)

11.马氏距离 (Mahalanobis Distance)

12.汉明距离 (Hamming Distance)

 

转载于:https://www.cnblogs.com/songgj/p/11387986.html