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
<http://blog.csdn.net/xiaoduan_/article/details/79327781>

距离的探讨

欧拉距离

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

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



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







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。


更多距离的定义

• « 上一篇：Spring Boot整合Redis实现消息队列的发布订阅
• » 下一篇：Pandas详解八之ReIndex重新索引