記事著者の電子メール: [email protected] 住所: 広東省恵州市
▲ この章のプログラム
⚪ Master Sparkの距離測定と類似性測定;
⚪ マスター スパークのユークリッド距離。
⚪ マスタースパークのマンハッタン距離;
⚪ マスタースパークのチェビシェフ距離;
⚪ Master Spark の最小二乗法。
1. 距離測定と類似性測定
1. コンセプトの紹介
データ分析やデータマイニングのプロセスでは、多くの場合、個人間の差異の大きさを知り、個人の類似性とカテゴリを評価する必要があります。データ間の差異をいかに測定するかが鍵となるが、分類アルゴリズムやクラスタリングアルゴリズムの本質は、何らかの測定（距離測定や類似性測定）に基づいている。
2. 距離測定
距離とは、空間における個人間の距離を測定するために使用され、距離が遠いほど個人間の差が大きくなります。
例: ユークリッド距離。一般的な距離測定方法には次のものがあります。
1.ユークリッド距離
2. ミンコフスキー距離
3.マンハッタン距離
4. チェビシェフ距離
5. マハラノビス距離
3. 類似度測定
1. ベクトル空間のコサイン類似度（Cosine Samelarity）
2.ピアソン相関係数
2. ユークリッド距離
1. ユークリッド距離
2 次元および 3 次元空間におけるユークリッド距離は、2 点間の距離です。
2次元空間におけるユークリッド距離:
2 次元平面上の 2 点 a(x1,y1) と b(x2,y2) の間のユークリッド距離:
3 次元空間の 2 点 a(x1,y1,z1) と b(x2,y2,z2) の間のユークリッド距離:
2 つの n 次元ベクトル a(x11,x12,…,x1n) と b(x21,x22,…,x2n) 間のユークリッド距離:
ベクトル演算の形式でも表現できます