相似性度量：从欧氏距离到马氏距离
在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。
本文的目的就是对常用的相似性度量作一个总结。
本文详细介绍了多种常见的相似性度量方法，包括欧氏距离、曼哈顿距离、切比雪夫距离、闵可夫斯基距离、标准化欧氏距离、马氏距离、夹角余弦、汉明距离、杰卡德距离、相关系数及信息熵。通过对比这些度量，探讨了它们在不同场景下的适用性和优缺点。
订阅专栏 解锁全文
扫一扫
1057
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
