基于numpy的L2计算

欧几里得距离(Euclidean Distance)或欧几里得度量(Euclidean Metric)是欧几里得空间中两点间的距离。

二维空间公式

d = ( x 1 − x 2 ) 2 + ( y 1 − y 2 ) 2 d=\sqrt{(x_1-x_2)^2+(y_1-y_2)^2} d=(x1x2)2+(y1y2)2

计算二维空间中两点(x1,y1)和(x2,y2)之间的距离

三维空间公式

d = ( x 1 − x 2 ) 2 + ( y 1 − y 2 ) 2 + ( z 1 − z 2 ) 2 d=\sqrt{(x_1-x_2)^2+(y_1-y_2)^2+(z_1-z_2)^2} d=(x1x2)2+(y1y2)2+(z1z2)2

计算三维空间中两点(x1,y1,z1)和(x2,y2,z2)之间的距离

n维空间公式

∑ i = 1 n ( x 1 i − x 2 i ) 2 ) \sqrt{\sum^{n}_{i=1}{(x_{1i}-x_{2i})^2)}} i=1n(x1ix2i)2)

计算n维空间中两个向量(x11,x12,…,x1n)和(x21,x22,…,x2n)之间的距离

同一个概念的不同表达方式

欧几里得距离 == 欧几里得范数 == L2范数 == L2距离

Euclidean distance == Euclidean norm == L2 norm == L2 distance

import numpy as np

if __name__ == "__main__":
    # 二维空间两点距离计算
    a1 = np.array([0,0])
    a2 = np.array([1,1])
    op1 = np.linalg.norm(a1-a2)
    print(op1)

    # 三维空间两点距离计算
    b1 = np.array([0,0,0])
    b2 = np.array([1,1,1])
    op2 = np.linalg.norm(b1-b2)
    print(op2)

    # n维空间两点距离计算
    dims = 1024
    c1 = np.zeros((1024,))
    c2 = np.ones((1024,))
    op3 = np.linalg.norm(c1-c2)
    print(op3)
  • 3
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

sif_666

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值