机器学习中常用的几种距离——欧式、余弦等

目录

一、欧式距离(L2距离)

(1)二维空间的距离公式(三维空间的在这个基础上类推):

A(x~1~,y~1~),B(x~2~,y~2~)两点之间的欧式距离为:

(2)n维空间的距离公式

A(x~1~,x~2~,...,x~n~)和B(x~21~,x~22~,...,x~2n~)两点之间的欧式距离为:

二、曼哈顿距离(L1距离)

就是在欧几里得空间的固定直角坐标系上两点所形成的线段对轴产生的投射的距离总和。

如下图中,红线代表曼哈顿距离,绿色代表欧氏距离,也就是直线距离,而蓝色和黄色代表等价的

曼哈顿距离。

(1)二维空间的曼哈顿距离公式:

  • A(x~1~,y~1~),B(x~2~,y~2~)两点之间的曼哈顿距离为:
    d~AB~ = |x~1~ - x~2~| + |y~1~ - y~2~|

(2)n维空间的曼哈顿距离公式:

  • A(x~1~,x~2~,...,x~n~)和B(x~21~,x~22~,...,x~2n~)两点之间的曼哈顿距离为:

三、汉明距离

编辑距离。两个等⻓ 字符串s1与s2的汉明距离为:将其中⼀个变为另外⼀个所需要作的最⼩字符替换次数。
【注意:】

编辑距离与汉明距离相比,编辑距离不要求两个字符串的长度等长,他追求的是如何以最少的编辑(替换,插入,删除,位置交换)次数让两个字符串相同。

四、余弦相似度

两个⼆维空间中向量A(x~1~,y~1~)与向量B(x~2~,y~2~)的夹⻆余弦公式:

两个n维样本点A(x~1~,x~12~,...,x~1n~)和B(x~21~,x~22~,...,x~2n~)的夹⻆余弦为:

优缺点及其他距离待续。。。。。。

相关推荐
2403_875736878 分钟前
道品科技智慧农业中的自动气象检测站
网络·人工智能·智慧城市
学术头条32 分钟前
AI 的「phone use」竟是这样练成的,清华、智谱团队发布 AutoGLM 技术报告
人工智能·科技·深度学习·语言模型
准橙考典33 分钟前
怎么能更好的通过驾考呢?
人工智能·笔记·自动驾驶·汽车·学习方法
ai_xiaogui36 分钟前
AIStarter教程:快速学会卸载AI项目【AI项目管理平台】
人工智能·ai作画·语音识别·ai写作·ai软件
孙同学要努力41 分钟前
《深度学习》——深度学习基础知识(全连接神经网络)
人工智能·深度学习·神经网络
AI街潜水的八角1 小时前
基于C++的决策树C4.5机器学习算法(不调包)
c++·算法·决策树·机器学习
喵~来学编程啦1 小时前
【论文精读】LPT: Long-tailed prompt tuning for image classification
人工智能·深度学习·机器学习·计算机视觉·论文笔记
深圳市青牛科技实业有限公司2 小时前
【青牛科技】应用方案|D2587A高压大电流DC-DC
人工智能·科技·单片机·嵌入式硬件·机器人·安防监控
水豚AI课代表2 小时前
分析报告、调研报告、工作方案等的提示词
大数据·人工智能·学习·chatgpt·aigc
几两春秋梦_2 小时前
符号回归概念
人工智能·数据挖掘·回归