英文名 | 中文名 | 算式 | 说明 |
---|---|---|---|
Euclidean Distance | 欧式距离 |
d=∑i=1n(xi−yi)2−−−−−−−−−−√
|
以古希腊数学家欧几里得命名的距离;也就是我们直观的两点之间直线最短的直线距离 |
Manhattan Distance | 曼哈顿距离 |
d=∑i=1n|xi−yi|
|
是由十九世纪的赫尔曼·闵可夫斯基所创词汇;是种使用在几何度量空间的几何学用语,用以标明两个点在标准坐标系上的绝对轴距总和;也就是和象棋中的“車”一样横平竖直的走过的距离;曼哈顿距离是超凸度量 |
Minkowski Distance | 闵氏距离 |
d=∑i=1n(xi−yi)p−−−−−−−−−−√p
|
以俄罗斯数学家闵可夫斯基命名的距离;是欧式距离的推广,p=2时等价于欧氏距离,和p-范数等值 |
Hamming Distance | 海明距离 | 逐个字符(或逐位)对比,统计不一样的位数的个数总和 | 所得值越小,参与对比的两个元素约相似;下面是从wikipedia借的4bit的海明距离示意图 |
Jaccard Coefficient | 杰卡德距离 |
J(A,B)=|A⋂B||A⋃B|
|
越大越相似;分子是A和B的交集大小,分母是A和B的并集大小 |
Ochiai Coefficient | ? |
K=n(A⋂B)n(A)×n(B)−−−−−−−−−−√
|
|
Pearson Correlation | 皮尔森相关系数 |
r=∑ni=1(Xi−x¯)(yi−y
|
“距离(distance)”、“相似度(similarity)”相关的量的小结
最新推荐文章于 2021-08-02 22:22:16 发布