python实现各类距离

本文介绍了使用Python实现的多种距离计算方法,包括Minkowski、Euclidean、Manhattan、Chebyshev、Cosine相似度、Hamming Distance以及Jaccard相似系数。通过实例展示了如何在numpy库中应用这些距离和相似度衡量。

 目前,常见的距离如下:

(1)      Minkowski Distance

(2)      Euclidean Distance

(3)      ManHattan Distance

(4)      Chebyshev Distance

(5)      Cosine

(6)      HammingDistance

(7)      Jaccard Similarity Coefficient

举实例如下:

from numpy import *

vector1 = mat([1,2,3,4])
vector2 = mat([4,5,6,7])
#-----------------------------------------------
print("Euclidean=",sqrt((vector1-vector2)*\
                        ((vector1-vector2).T)))
print("ManHattan=",sum(abs(vector1-vector2)))
print("Chebyshev=",abs(vector1-vector2).max())
#计算夹角余弦
Lv1 = sqrt(vector1*vector1.T)
Lv2 = sqrt(vector2*vector2.T)
cosV12 = vector1*vector
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
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