数据分析中,为了评定数据之间的相似度,有很多不同的距离的计算方法,如欧氏距离,马氏距离等等。
欧氏距离
Euclidean distance:欧几里得距离,m维空间中两个点之间的真实距离
- 离差平方和,开根号,得到结果
- 二维平面上点a(x1,y1)与b(x2,y2)间的欧氏距离
- 不一定需要进行中心化和标准化
![5170dc07a5508047ca898f1eb03a66b6.png](https://img-blog.csdnimg.cn/img_convert/5170dc07a5508047ca898f1eb03a66b6.png)
公式表示:
![17686b9c2c7ec5716b3eda7df70a76cc.png](https://img-blog.csdnimg.cn/img_convert/17686b9c2c7ec5716b3eda7df70a76cc.png)
标准化欧氏距离 (Standardized Euclidean Distance):将各个分量都“标准化”到均值、方差相等所得出的距离。
数据分析中,为了评定数据之间的相似度,有很多不同的距离的计算方法,如欧氏距离,马氏距离等等。
Euclidean distance:欧几里得距离,m维空间中两个点之间的真实距离
公式表示:
标准化欧氏距离 (Standardized Euclidean Distance):将各个分量都“标准化”到均值、方差相等所得出的距离。