机器学习笔记--闵氏距离学习

最新推荐文章于 2025-03-13 07:12:37 发布

猫爪熊

最新推荐文章于 2025-03-13 07:12:37 发布

阅读量3.5k

点赞数

分类专栏：机器学习文章标签：机器学习 python

本文链接：https://blog.youkuaiyun.com/wsxwang/article/details/51518225

版权

机器学习专栏收录该内容

4 篇文章

订阅专栏

在距离类聚类算法中应用颇广，最近重温了一下闵氏距离的计算，写了个小程序巩固一下。
关于闵氏距离的扫盲，这篇帖子讲的比较透彻：http://blog.youkuaiyun.com/eric41050808/article/details/24365765#0-tsina-1-3368-397232819ff9a47a7b7e80a40613cfe1。

小程序用python写成，功能很简单，就是绘制一个二维的图形，形象的表示闵氏距离不同的p值含义。由于是二维图形，所以维度为2，即两个点PQ只有x/y两个属性，绘图时，设P点为（0，0）,距离固定为1，绘制Q点的轨迹集合。

def drawminkowski(sampling =10, p = [2]):
    print "minkowski, p = %s, sampling = %d"%(str(p), sampling);

    X = np.linspace(-1, 1, sampling);

    plt.figure(figsize=(8,8), dpi=80);
    plt.xlabel("X");
    plt.ylabel("Y");
    plt.ylim(-1,1)
    plt.title("minkowski distance, distance = 1, p = " + str(p));

    plt.plot(np.linspace(-1, 1, 100), np.zeros(100), "k,", linewidth = 2);
    plt.plot(np.zeros(100), np.linspace(-1, 1, 100), "k,", linewidth = 2);

    for pi in p:
        if pi <= 0:
            continue;
        print pi;
        Y = np.power(1- np.power(np.abs(X), pi), 1/float(pi));
        print X;
        print Y;
        color = random.randint(1, 0xffffff);
        plt.plot(X,Y, label ="p=" + str(pi), color = "#" + format(color, "06x"), linewidth = 1);
        plt.plot(X,-Y, color = "#" + format(color, "06x"), linewidth = 1);

    plt.legend();
    plt.show();

参数sampling是取样个数，即点Q的x属性在(-1,1)之间取十个点。

参数p是一个数组，即在一张图上画多个p值得图形做比较。

算法本身比较简单，就不描述了，绘图用的是matplotlib，另外还用了numpy做计算。

效果参见下图。