机器学习:欧氏距离(Euclidean Distance)
·
相关文章链接:算法文章汇总
欧式距离也称欧几里得距离,是最常见的距离度量,衡量的是多维空间中两个点之间的 绝对距离 。
以古希腊数学家欧几里得命名的距离,也就是我们直观的两点之间直线最短的直线距离。

欧氏距离定义: 欧氏距离( Euclidean distance)是一个通常采用的距离定义,它是在m维空间中两个点之间的真实距离。
在二维和三维空间中的欧式距离的就是两点之间的距离,二维的公式是:

三维的公式是:

推广到n维空间,欧式距离的公式是:

n维欧氏空间是一个点集,它的每个点可以表示为(x(1), x(2), …, x(n)),其中x(i)(i=1,2…n)是实数称为x的第i个坐标,两个点x和y之间的距离d(x, y)定义为上面的公式。
注:其他相关文章链接由此进 -> 算法文章汇总
DAMO开发者矩阵,由阿里巴巴达摩院和中国互联网协会联合发起,致力于探讨最前沿的技术趋势与应用成果,搭建高质量的交流与分享平台,推动技术创新与产业应用链接,围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐



所有评论(0)