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，閔可夫斯基距離就是曼哈頓距離；當p值取2時，閔可夫斯基距離就是歐氏距離。
4．切比雪夫距離
切比雪夫距離就是無窮級數，即
5．夾角余弦
夾角余弦的取值範圍為[-1,1]，可以用來衡量兩個向量方向的差異。夾角余弦越大，表示兩個向量的夾角越小。當兩個向量的方向重合時，夾角余弦取最大值1；當兩個向量的方向完全相反時，夾角余弦取最小值-1。機器學習中用這一概念來衡量樣本向量之間的差異，其數學表示式為
6．漢明距離
漢明距離定義的是兩個字串中不相同位數的數目。例如，字串『1111』與『1001』之間的漢明距離為2。
7．傑卡德相似係數
兩個集合a和b的交集元素在a和b的並集中所佔的比例稱為兩個集合的傑卡德相似係數，用符號j（a,b）表示，數學表示式為
傑卡德相似係數是衡量兩個集合相似度的一種指標，一般可以將其用在衡量樣本的相似度上，在聚類問題中會用到。
8．傑卡德距離
與傑卡德相似係數相反的概念是傑卡德距離，其數學表示式為
機器學習中常用的距離計算方法
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 d...
機器學習 深度學習中常用的Linux命令
作為一名coder，linux命令是基本生存技能，但linux的命令何其多，要想完全掌握可不易。在我平常的學習和工作中，linux伺服器主要是用來跑ml dl 的 linux運維大神請略過 因此本文將主要從跑 的角度 一下常用的linux操作。告別手指抽筋的方向鍵 ctrl e 游標回到行末 ctr...
機器學習中常用的矩陣求導公式
機器學習中常用的矩陣求導公式 矩陣求導好像讀書的時候都沒學過，因為講矩陣的課程上不講求導，講求導的課又不提矩陣。如果從事機器學習方面的工作，那就一定會遇到矩陣求導的東西。維基百科上 根據y與x的不同型別 實值，向量，矩陣 給出了具體的求導公式，以及一堆相關的公式，查起來都費勁。其實在實際的機器學習工...