机器学习基础_距离

异世界.png

[TOC]

距离

范数:常被用来度量某个向量空间(或矩阵)中的每个向量的长度或大小。

满足一定的条件,即①非负性;②齐次性;③三角不等式。

(1) L1L1范数:x||x||xx向量各个元素绝对值之和

(2) L2L2范数(Euclidean范数):x||x||为x向量各个元素平方和的开方

(3) LpLp范数:x||x||为x向量各个元素绝对值pp次方和的1/p1/p次方

(4) LooLoo:x||x||xx向量各个元素绝对值最大的那个元素

闵科夫斯基距离

严格意义上讲,阅可夫斯基距离不是一种距离,而是一组距离的定义。

两个n维变量A(x11,x12,...x1n)A(x_{11},x_{12},...x_{1n})B(x21,x22,...x2n)B(x_{21},x_{22},...x_{2n})间的闵科夫斯基距离定义为:

d_{12}=\sqrt[p]{\sum_{k=1}^{n}{(x_{1k}-x_{2k})^p}}

Last updated

Was this helpful?