机器学习中的相似性度量
2014-03-05机器学习之窗
在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement),这时通常采用的方
法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究,甚至关系到分类的正
确与否。
本文目录:
1. 欧氏距离
2. 曼哈顿距离
3. 切比雪夫距离
4. 闵可夫斯基距离
5. 标准化欧氏距离
6. 马氏距离
7. 夹角余弦
8. 汉明距离
9. 杰卡德距离& 杰卡德相似系数
10. 相关系数& 相关距离
11.信息熵
1. 欧氏距离(EuclideanDistance)
欧氏距离是最易于理解的一种距离计算方法,源自欧氏空间中两点间的距离公式。
(1)二维平面上两点 a(x1,y1)与 b(x2,y2)间的欧氏距离: