欧氏距离,曼哈顿距离,余弦距离的区别
时间: 2024-05-22 13:15:45 浏览: 198
模式识别-距离分类器总结
欧氏距离:欧氏距离是最常见的距离度量方法,它基于两点之间的直线距离。在二维空间中,欧氏距离公式为d = sqrt((x2-x1)^2 + (y2-y1)^2),其中(x1, y1)和(x2, y2)是两个点的坐标。
曼哈顿距离:曼哈顿距离是另一种常见的距离度量方法,它衡量两点之间在网格状空间中的距离。在二维空间中,曼哈顿距离公式为d = |x2-x1| + |y2-y1|,其中(x1, y1)和(x2, y2)是两个点的坐标。
余弦距离:余弦距离是一种基于向量的距离度量方法,它衡量两个向量之间的夹角。在机器学习中,余弦距离通常用于文本分类和推荐系统中的相似性度量。余弦距离公式为d = 1 - (cosine similarity),其中cosine similarity是两个向量的余弦相似度。
阅读全文