聚类算法概述1--相似性度量

一 聚类中的相似性度量：

以下方法适用于直接对raw data进行相似性的度量，或者对比提取features之后的dada的相似性。

1：距离

1）Lr norm距离：

如果是L1 norm，那就是绝对值/曼哈顿距离（Manhattan distance），d（i，j）=|xi-xj|+|yi-yj|。

如果是L2 norm，那就是著名的欧式距离（Euclidean distance）了，应用最广泛。

如果，supremum距离，计算两个向量相差最大的维度的距离。

2） 马氏距离：Mahalanobis距离：

http://www.a-site.cn/article/217247.html-----结合PCA的推导来看，特别是协方差矩阵即X*trans(X）

https://www.cnblogs.com/Weirping/articles/6613013.html