一、欧式距离
- 已知：两个样本 a ( x 11 , x 12 , . . . , x 1 n ) a(x_{11}, x_{12}, ..., x_{1n}) a(x11,x12,...,x1n)和 b ( x 21 , x 22 , . . . , x 2 n ) b(x_{21}, x_{22}, ..., x_{2n}) b(x21,x22,...,x2n)。
- 要求：各维度指标在相同的刻度级别。
- 距离（2范数）： d = ∑ k = 1 n ( x 1 k − x 2 k ) 2 d=\sqrt{\sum_{k=1}^n(x_{1k}-x_{2k})^2} d=∑k=1n(x1k−x2k)2
二、标准化欧氏距离（加权欧氏距离）
-
已知：两个样本 a ( x 11 , x 12 , . . . , x 1 n ) a(x_{11}, x_{12}, ..., x_{1n}) a(x11,x12,...,x1n)和 b ( x 21 , x 22 , . . . , x 2 n ) b(x_{21}, x_{22}, ..., x_{2n}) b(x21,x22,...,x2n)。
-
要求：转变特征值。
x ∗ = x − m s x^*=\frac{x-m}{s} x∗=sx−m（均值为0，方差为1）
x x x：原特征；
m m m：原特征均值向量；
s s s：原特征标准差。 -
距离： d = ∑ k = 1 n ( x 1 k − x 2 k s k ) 2 d=\sqrt{\sum_{k=1}^n(\frac{x_{1k}-x_{2k}}{s_k})^2} d=∑k=1n(skx1k−x2k)2
最低0.47元/天 解锁文章
8242
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
