机器学习 欧式距离及代码实现

https://www.toutiao.com/a6693055217883152910/

 

 

定义

欧几里得度量（euclidean metric）（也称欧氏距离）是一个通常采用的距离定义，指在m维空间中两个点之间的真实距离，或者向量的自然长度（即该点到原点的距离）。在二维和三维空间中的欧氏距离就是两点之间的实际距离。

 

计算公式

二维空间的公式

 

其中， 为点 与点 之间的欧氏距离； 为点 (x2,y2)到原点的欧氏距离。

三维空间的公式

 

n维空间的公式

 

---

代码实现

原生公式代码实现

import math
def euclidean(x, y):
 d = 0.
 for xi, yi in zip(x, y):
 d += (xi-yi)**2
 return math.sqrt(d)
a=euclidean([1,2,3], [4,5,6])
# 5.196152422706632

使用numpy库

vector1 = np.array([1,2,3]) 
vector2 = np.array([4,5,6]) 
 
op1=np.sqrt(np.sum(np.square(vector1-vector2))) 
op2=np.linalg.norm(vector1-vector2) 
print(op1) 
print(op2) 
# 5.196152422706632
# 5.196152422706632