我們已經知道了如何通過樣本間的距離來評估簇間的距離，本節只剩下最後乙個問題了，如何計算樣本間的距離，假設樣本是n維，常用的距離計算方法有：
1）尤拉距離（euclidean distance）：
2）平方歐式距離（squared euclidean distance）：
3）曼哈頓距離（manhattan distance）：
4）切比雪夫距離（chebyshev distance）:
5）馬氏距離（mahalanobis distance）：
其中s為協方差矩陣。
對於文字或非數值型的資料，我們常用漢明距離（hamming distance）和編輯距離（levenshtein distance）表示樣本間的距離。
不同的距離度量會影響簇類的形狀，因為樣本距離因距離度量的不同而不同，如點（1.1）和（0,0）的曼哈頓距離是2，歐式距離是sqrt(2)，切比雪夫距離是1。
機器學習中常用距離的小結
設有兩個n維向量a x11,x12,x1n 和b x21,x22,x2n 1 曼哈頓距離 曼哈頓距離也稱為城市街區距離，數學表示式為 2 歐氏距離 歐氏距離就是我們熟悉的l2範數，數學表示式為 3 閔可夫斯基距離 閔可夫斯基距離可以看作歐氏距離的一種推廣，數學表示式為 可以看到，當p值取1時，閔可夫...
常見距離計算方法
不能直接走兩點連線的直線，紅 藍 黃距離一樣長 西洋棋中，國王走一步可以移動到相鄰8個方格中的任意乙個，如下圖。a到b的距離為紅色線，需要走4步，和綠色線距離是相同的。閔氏距離不是一種距離，而是一組距離的定義，是對多個距離度量公式的概括性的表述。兩個n維變數a x11,x12,x1n 與b x21,...
基於距離的計算方法
1.歐氏距離 euclidean distance 歐氏距離是最易於理解的一種距離計算方法，源自歐氏空間中兩點間的距離公式。1 二維平面上兩點a x1,y1 與b x2,y2 間的歐氏距離 2 三維空間兩點a x1,y1,z1 與b x2,y2,z2 間的歐氏距離 3 兩個n維向量a x11,x12...