机器学习第二课思考 -如何度量两个随机变量的距离

老师,
 
  上课的一道思考题是如何度量两点的距离,我看资料有以下几个
 
欧式距离,曼哈顿距离,切比雪夫距离,请问这3种的详细运用场景
 
谢谢!

邹博 - 计算机科学博士,深谙机器学习算法原理

赞同来自: fish liangrx06 chenjialuo

欧式距离,曼哈顿距离,切比雪夫距离,这三个其实都可以统一成“闵可夫斯基(Minkowski)距离”,如:
Minkowski.png
上述公式中: 如果p取2,即为欧氏距离; 如果p取1,即为曼哈顿距离; 如果p取无穷大,即为切比雪夫距离距离。 此外,计算距离需要考虑不同维度的值的变化范围是否过大,如果是,需要预处理。如使用(x-niu)/sigma或者(x-min)/(max-min)等归一化方法。   同时,距离的度量方案还有以下公式,我简单归纳总结了一下,会在“聚类”章节中详细探讨:
Distance.png

要回复问题请先登录注册