相似度就是比较两个事物的相似性。一般通过计算事物的特征之间的距离,如果距离小,那么相似度大;如果距离大,那么相似度小。
问题定义:有两个对象X,Y,都包含N维特征,X=(x1,x2,x3,...,xn),Y=(y1,y2,y3,...,yn),计算X和Y的相似性。
闵可夫斯基距离(Minkowski Distance)
曼哈顿距离(Manhattan Distance)
p=1时,闵可夫斯基距离就是曼哈顿距离。
又称城市街区距离,在方正的北京大街打车,行车距离就是曼哈顿距离,如果在山城重庆就不是了。
欧氏距离(Euclidean Distance)
p=2时,闵可夫斯基距离就是欧氏距离。
在平面几何或者立体几何中的距离,通常就是欧氏距离,所以欧氏距离也最容易理解。
np.sqrt(np.sum(np.square(x-y)))
切比雪夫距离(Chebyshev Distance)
p等于无穷大时,闵可夫斯基距离就是切比雪夫距离。
def twoQBXFdis(a,b):
return max( abs(a[0]-b[0]), abs(a[1]-b[1]))
若将国际象棋棋盘放在二维直角坐标系中,格子的边长定义为1,座标的x轴及y轴和棋盘方