特征空间中两个实例点的距离是两个实例点相似程度的反映。
Lp 距离
设特征空间
X 是
n 维实数向量空间
Rn,
xi,xj∈X,
xi=(xi(1),xi(2),...,xi(n))T,
xj=(xj(1),xj(2),...,xj(n))T,
xi,xj 的
Lp 距离定义为:
Lp(xi,xj)=(l=1∑n∣xi(l)−xj(l)∣p)p1 这里
p≥1。
欧式距离
当
p=2 时,称为欧式距离,即:
L2(xi,xj)=(l=1∑n∣xi(l)−xj(l)∣2)21
曼哈顿距离
当
p=1 时,称为曼哈顿距离,即:
L1(xi,xj)=l=1∑n∣xi(l)−xj(l)∣
L∞ 距离
当
p=∞ 时,它是各个坐标距离的最大值,即:
L∞(xi,xj)=lmax∣xi(l)−xj(l)∣
参考文献
[1] 李航. 统计学习方法. 清华大学出版社. 2012