[笔记]机器学习：超参数的选择，余弦距离vs欧式距离

学习使用，若涉及侵权，请联系删除。

一、超参数选择

Grid Search

• 网格搜索
• 在高维空间中对一定区域进行遍历

Random Search

• 在高维空间中随机选择若干超参数

二、余弦相似度（Cos距离）与欧氏距离的区别和联系

• 欧式距离和余弦相似度都能度量 2 个向量之间的相似度
• 放到向量空间中看，欧式距离衡量两点之间的直线距离，而余弦相似度计算的是两个向量之间的夹角
• 没有归一化时，欧式距离的范围是 (0, +∞]，而余弦相似度的范围是 (0, 1]；余弦距离是计算相似程度，而欧氏距离计算的是相同程度（对应值的相同程度）
• 归一化的情况下，可以将空间想象成一个超球面（三维），欧氏距离就是球面上两点的直线距离，而向量余弦值等价于两点的球面距离，本质是一样。

本文链接: http://www.luyixian.cn/news_show_10578.aspx