[Python]距离量度(欧氏距离、曼哈顿距离、切比雪夫距离、夹角余弦距离)
目录
- 欧氏距离(Euclidean Distance)
- 曼哈顿距离(Manhatttan Distance)
- 切比雪夫距离
- 夹角余弦距离(Cosine Distance)
欧氏距离(Euclidean Distance)
代码:
import numpy as np
x=np.array([1,1])
y=np.array([4,5])from math import *
def e_disdance(x,y):return sqrt(sum(pow(a-b,2) for a,b in zip(x,y)))print(e_disdance(x,y))
运行结果:
曼哈顿距离(Manhatttan Distance)
代码:
from math import *
def m_distance(x,y):return sum(abs(x-y))print(m_distance(x,y))
运行结果:7
切比雪夫距离
代码:
from math import *
def q_distance(x,y):return abs(x-y).max()print(q_distance(x,y))
运行结果:4
夹角余弦距离(Cosine Distance)
代码:
import numpy as np
from math import *
def cos_distance(x,y):return np.dot(x,y)/(np.linalg.norm(x)*np.linalg.norm(y))
print(cos_distance(x,y))
输出:0.9938837346736188
参考:
《python机器学习实战》科学技术文献出版社
[Python]距离量度(欧氏距离、曼哈顿距离、切比雪夫距离、夹角余弦距离)相关推荐
- 距离公式——欧式(L2)、曼哈顿(L1)切比雪夫、夹角余弦
距离度量 特征空间中两个实例点的距离可以反映出两个实力点之间的相似性程度,使用的距离可以是欧式距离,也可以是其他距离. 欧氏距离(L2距离):最常见的两点之间或多点之间的距离表示法,又称之为欧几里得度 ...
- K邻近算法概述、欧式距离、Scikit-learn使用 、kNN邻近算法距离度量、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、标准化欧氏距离、余弦距离、汉明距离、杰卡德距离、马氏距离
一.K-邻近算法概述 K邻近算(K Nearest Neighbor算法,KNN算法):如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别,则该样本也属于这个类别 ...
- 欧式距离余弦相似度matlab,相似度计算——欧氏距离,曼哈顿距离,闵可夫斯基距离,汉明距离,夹角余弦...
在机器学习领域,被俗称为距离,却不满足三条距离公理的不仅仅有余弦距离(满足正定性和对称性,但是不满足三角不等式),还有KL距离( Kulback- Leibler Divergence),也叫作相对熵 ...
- 距离度量:欧氏距离,余弦距离,KL散度,马氏距离(含python代码实现)
1. 欧氏距离(Euclidean Distance) 欧氏距离,又称欧几里得度量,绝对距离, 是欧几里得空间中两点间"普通"(即直线)距离. 定义如下: 2. 余弦距离(余弦相似 ...
- 欧氏距离与余弦距离的关系
前言 最近在做人脸识别,有的方法使用的是L2距离,有的是使用的cos相似度,并且看到有的论文说,欧式距离和余弦距离是等价的.到底是怎么等价的呢.这里我就来和小伙伴们一探究竟. 推倒 首先给出结论,归一 ...
- 欧式距离、标准化欧式距离、马氏距离、余弦距离
目录 欧氏距离 标准化欧氏距离 马氏距离 夹角余弦距离 汉明距离 曼哈顿(Manhattan)距离 1.欧式距离 欧式距离源自N维欧氏空间中两点x1,x2x1,x2间的距离公式: 2.标准化欧式距离 ...
- 泛统计理论初探——余弦距离简介
统计学习-余弦距离简介 介绍余弦距离 在衡量变量之间距离的时候,我们发现可以用欧式距离.绝对值距离,本文我们将来介绍另一种距离,即余弦距离.余弦距离在实际问题中经常用到,由于它的计算方法是把各个维度的 ...
- 常见的几种距离量度(欧式距离、曼哈顿距离、切比雪夫距离等)
在机器学习和数据挖掘中,我们经常需要计算样本之间的相似度,通常的做法是计算样本之间的距离.本文介绍几种常用的距离量度方法. 一.欧氏距离(Euclidean Distance) 我们从最常见的欧式距离 ...
- 简单粗暴理解与实现机器学习之K-近邻算法(三):距离度量、欧氏距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、标准化距离、余弦距离、汉明距离、杰卡德距离、马氏距离
K-近邻算法 文章目录 K-近邻算法 学习目标 1.3 距离度量 1 欧式距离**(Euclidean Distance):** 2 **曼哈顿距离(Manhattan Distance):** 3 ...
最新文章
- 人工智能要多久才能理解动物?
- 坦白局!一个大厂 Java 工程师近 20 年的进阶心得
- 语音识别|基于CNN+DFSMN(简化版:标量+无步长因子)的声学模型实现及代码开源(keras)
- Asp.Net Web Api 2 实现多文件打包并下载文件示例源码
- [ 人机交互 ] 第三次作业 2015080360025秦嘉颍
- python保存模型_MNIST数据集训练完如何保存成模型文件?
- android bitmap drawable 互转
- 天猫双11:1日到11日0点45分 382个品牌成交额超过1亿元
- Spark 基础 —— Map 容器
- java数组查找算法_JAVA数组中查找算法中equals和==的问题
- Java web 第一天
- 接口与抽象类的区别和相同点
- 向日葵和teamviewer免费版的替代品RD远控。
- 搞定短视频!批量下载快手视频(附源码)
- 求解两条空间直线的交点(解析解+数值解)
- 2022年身份证号码信息查询API接口分享
- Prettier formatter for vscode 配置单引号问题
- rasa算法_Rasa 入门教程 NLU 系列(三)
- 如何关闭计算机服务检测,交互式服务检测老是弹出来?Win7系统交互式服务检测怎么关闭方法...
- apache实现文件上传服务器,使用Apache的Fileupload工具实现文件上传