http://blog.csdn.net/xiaoduan_/article/details/79327781
距离的探讨
欧拉距离
第一行是普通的两点间两个维度上的距离的公式，第二行推广到三个维度 第三多个维度 维度也就是特征
最后简写成上面这个公式，在机器学习算法书中比较常见
曼哈顿距离
距离在数学公式上具有形式一致性
下面推导欧氏距离和曼哈顿距离
最后可以得出一个超参数——p 通过改变p可以改变距离的计算方法
p取1或2时的明氏距离是最为常用的，p=2即为欧氏距离，而p=1时则为曼哈顿距离。
明氏距离不足之处：
主要表现在两个方面：第一，它与各指标的量纲有关；
第二，它没有考虑指标之间的相关性。
---------------------
作者：段渣渣
来源：CSDN
原文：https://blog.csdn.net/xiaoduan_/article/details/79327781
版权声明：本文为博主原创文章，转载请附上博文链接！