小结"/>
“距离(distance)”、“相似度(similarity)”相关的量的小结
| 英文名 | 中文名 | 算式 | 说明 |
|---|---|---|---|
| Euclidean Distance | 欧式距离 | d=∑i=1n(xi−yi)2−−−−−−−−−−√ | 以古希腊数学家欧几里得命名的距离；也就是我们直观的两点之间直线最短的直线距离 |
| Manhattan Distance | 曼哈顿距离 | d=∑i=1n|xi−yi| | 是由十九世纪的赫尔曼·闵可夫斯基所创词汇；是种使用在几何度量空间的几何学用语，用以标明两个点在标准坐标系上的绝对轴距总和；也就是和象棋中的“車”一样横平竖直的走过的距离；曼哈顿距离是超凸度量 |
| Minkowski Distance | 闵氏距离 | d=∑i=1n(xi−yi)p−−−−−−−−−−√p | 以俄罗斯数学家闵可夫斯基命名的距离；是欧式距离的推广，p=2时等价于欧氏距离，和p-范数等值 |
| Hamming Distance | 海明距离 | 逐个字符(或逐位)对比，统计不一样的位数的个数总和 | 所得值越小，参与对比的两个元素约相似；下面是从wikipedia借的4bit的海明距离示意图 |
| Jaccard Coefficient | 杰卡德距离 | J(A,B)=|A⋂B||A⋃B| | 越大越相似；分子是A和B的交集大小，分母是A和B的并集大小 |
| Ochiai Coefficient | ? | K=n(A⋂B)n(A)×n(B)−−−−−−−−−−√ | |
| Pearson Correlation | 皮尔森相关系数 | r=∑ni=1(Xi−x¯)(yi−y |
更多推荐
“距离(distance)”、“相似度(similarity)”相关的量的小结
发布评论