![26c17f2c6893b924855f1fee3baa44ef.png](https://i-blog.csdnimg.cn/blog_migrate/fc26cbce278b747d960daa3de9a680df.jpeg)
在机器学习中,我们需要测量很多东西。要么了解它们之间的距离,要么分析它们彼此之间的相似程度,以便我们可以检测到它们的模式并做出预测。为了解决这些问题,我们使用了不同类型的距离测量,例如欧几里得距离,曼哈顿距离,余弦距离等。
欧几里得距离:
![5dcb08e5fc8004ea830f281a9356f01f.png](https://i-blog.csdnimg.cn/blog_migrate/c502a53cf18d203c0ee9bc0135aee83f.jpeg)
为了测量两点之间的直接距离,我们使用欧几里得距离。它的一些用例是测量飞行距离,或者分析两点之间的距离,以便我们了解它们是否相似或不同。
假设我们有两个点,如上图所示(x1,y1)和(x2,y2),然后使用毕达哥拉斯定理获得它们之间的距离。在x轴上,我们可以相减x2-x1,在y轴上y2-y1,斜边d将是它们之间的距离。如果必须将其应用于更大的维度上,则可以简单地添加一个变量,例如z,计算公式如下: