minkowski distance
时间: 2023-06-05 09:48:11 浏览: 66
闵可夫斯基距离是一种衡量两个向量之间距离的方法,它是欧几里得距离和曼哈顿距离的一般化。它的定义如下:对于两个n维向量x和y,它们之间的闵可夫斯基距离为:d(x,y) = (Σ|xi-yi|^p)^(1/p),其中p是一个正整数,|xi-yi|表示向量x和y在第i个维度上的差值的绝对值。当p=1时,闵可夫斯基距离就是曼哈顿距离;当p=2时,闵可夫斯基距离就是欧几里得距离。
相关问题
给出聚类分析中闵可夫斯基距离 (Minkowski distance) 皮尔逊相关系数 (Pearson correlation coefficient)Jaccard相似度 (Jaccard similarity)的公式
闵可夫斯基距离公式:
d(x,y) = [(∑(|xi-yi|)^p)^(1/p)]
皮尔逊相关系数公式:
r = (∑(xi-x̄)(yi-ȳ)) / [(∑(xi-x̄)^2)(∑(yi-ȳ)^2)]^(1/2)
Jaccard相似度公式:
similarity = |A∩B| / |A∪B|
给出聚类分析中,闵可夫斯基距离 (Minkowski distance) ,皮尔逊相关系数 (Pearson correlation coefficient),Jaccard相似度 (Jaccard similarity)的公式
闵可夫斯基距离:d(x,y)=(∑|xi-yi|^p)^(1/p)
皮尔逊相关系数:r = (nΣxy - ΣxΣy) / Sqrt[(nΣx^2 - (Σx)^2)(nΣy^2 - (Σy)^2)]
Jaccard相似度:J(A,B)=|A∩B|/|A∪B|