欧拉距离,曼哈顿距离与明可夫斯基距离探讨

版权声明:未经允许,随意转载,请附上本文链接谢谢(づ ̄3 ̄)づ╭❤~
http://blog.csdn.net/xiaoduan_/article/details/79327781

距离的探讨

欧拉距离

欧拉距离,曼哈顿距离与明可夫斯基距离探讨_第1张图片
第一行是普通的两点间两个维度上的距离的公式,第二行推广到三个维度 第三多个维度 维度也就是特征
欧拉距离,曼哈顿距离与明可夫斯基距离探讨_第2张图片
最后简写成上面这个公式,在机器学习算法书中比较常见

曼哈顿距离

欧拉距离,曼哈顿距离与明可夫斯基距离探讨_第3张图片

距离在数学公式上具有形式一致性

下面推导欧氏距离和曼哈顿距离

欧拉距离,曼哈顿距离与明可夫斯基距离探讨_第4张图片
欧拉距离,曼哈顿距离与明可夫斯基距离探讨_第5张图片
欧拉距离,曼哈顿距离与明可夫斯基距离探讨_第6张图片
欧拉距离,曼哈顿距离与明可夫斯基距离探讨_第7张图片

欧拉距离,曼哈顿距离与明可夫斯基距离探讨_第8张图片
最后可以得出一个超参数——p 通过改变p可以改变距离的计算方法
p取1或2时的明氏距离是最为常用的,p=2即为欧氏距离,而p=1时则为曼哈顿距离
明氏距离不足之处:
主要表现在两个方面:第一,它与各指标的量纲有关;
第二,它没有考虑指标之间的相关性。
欧拉距离,曼哈顿距离与明可夫斯基距离探讨_第9张图片

更多距离的定义

欧拉距离,曼哈顿距离与明可夫斯基距离探讨_第10张图片

你可能感兴趣的:(机器学习,机器学习)