人工智能_机器学习079_聚类算法的划分标准_相似度算法_余弦相似度_欧氏距离_闵可夫斯基距离_曼哈顿距离_切比雪夫距离_计算多维空间向量距离的_各种算法盘点---人工智能工作笔记0119

本文介绍了聚类算法中衡量相似度的重要概念——距离计算,包括欧氏距离、曼哈顿距离、闵可夫斯基距离、切比雪夫距离和余弦相似度。通过这些距离和相似度指标,可以评估多维空间中数据点的相似性,进而用于聚类和分类任务。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

然后我们再来看,对于聚类算法分类来说,我们希望
分的类别中,类别内的相似度要大,而类别间的相似度要小,
那么是如何计算相似度的呢?
是通过距离来计算的,具体的说就是,向量之间的距离,也就是数据之间的距离
可以看到上面两个图也是有相似度的对吧,但是不能把他们看成是一种分类对吧.
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

添柴程序猿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值