数值属性的相异性:闵可夫斯基距离

本文探讨了数值属性间的相异性度量,强调了数据规范化的重要性,将其限定在[0, 1]范围内。重点介绍了欧几里得距离、曼哈顿距离和广义的闵可夫斯基距离,其中h参数的取值决定了具体距离类型。同时,对于有序属性,通过数值映射进行相异性计算,举例说明了大小属性的规范化和距离计算方法。" 99445194,7718751,HTML5 audio 播放事件详解,"['前端开发', 'HTML', 'JavaScript']

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

本文介绍数值属性刻画的对象之间的相异性度量,首先,应该把数据进行规范化,使之落入更小的值域,例[0,1],[0.0,1.0]


1:最流行的距离度量:欧几里得距离

</

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