在机器学习中，会经常与各种距离打交道。于是，在这篇文章中，我们来简单总结一下常见的距离以及其计算方式。
首先定义两个向量 a ⃗ = ( x 1 , x 2 , … , x n ) , b ⃗ = ( y 1 , y 2 , … , y n ) \vec{a}=(x_1,x_2,\ldots,x_n),\vec{b}=(y_1,y_2,\ldots,y_n) a=(x1,x2,…,xn),b=(y1,y2,…,yn)，然后计算它们之间的距离。
曼哈顿距离
又称“街区距离”。是向量各维度差值的绝对值之和。
d = ∑ i = 1 n ∣ x i − y i ∣ d=\sum_{i=1}^n\vert x_i-y_i\vert d=i=1
最低0.47元/天 解锁文章
扫一扫
318
到【灌水乐园】发言
