美文网首页
距离度量

距离度量

作者: ic_bbc | 来源:发表于2017-04-23 20:30 被阅读0次

距离定义

Paste_Image.png
Paste_Image.png
Paste_Image.png

曼哈顿距离可以用来衡量一个十字路口开车到另外一个十字路口的距离;就像在曼哈顿开车一样,这也是曼哈顿距离的由来。


Paste_Image.png
Paste_Image.png
Paste_Image.png Paste_Image.png

马氏距离:


Paste_Image.png Paste_Image.png

马氏距离可以消除相关系的干扰,同时也消除了量纲的影响,量纲可以理解为一种线性变换。


Paste_Image.png
Paste_Image.png

夹角余弦通常用来衡量两个向量直接的相似性,值域为[-1,1]


Paste_Image.png

相似度和系数是两个互斥的量,此消彼长,所有可以用1-相似性来表示距离


Paste_Image.png Paste_Image.png Paste_Image.png

目前接触到的相关性基本可以理解为线性相关,这样相关系数高只能表示线性相关性高,而相关性低是独立性高,也就是正态性。


DTW 距离:

Paste_Image.png

信息熵

Paste_Image.png

总结

Paste_Image.png

补充知识点

1. 协方差矩阵

均值:描述的是样本集合的中间点
方差、标准差:描述的是样本集合的各个样本点到均值的平均距离,描述的是样本的离散程度。
协方差:度量两个随机变量相互关系,协方差定义如下:


Paste_Image.png

方差是一种特殊的协方差:

Paste_Image.png

协方差矩阵:是多个随机变量两两之间协方差的集合,形式如下:

Paste_Image.png

相关文章

  • 距离度量

    距离定义 曼哈顿距离可以用来衡量一个十字路口开车到另外一个十字路口的距离;就像在曼哈顿开车一样,这也是曼哈顿距离的...

  • 度量学习和深度度量

    度量学习(Metric Learning),也称距离度量学习(Distance Metric Learning,D...

  • 常见的距离度量

    距离度量: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。 摘自李航《统计学习方法》 P39

  • 【2018-09-29】KNN

    KNN是一种基本的分类和和回归方法。三要素:距离度量、k、分类决策规则。 训练集: 根据给定的距离度量,在训练集中...

  • 系谱聚类(HC: Hierarchical Clustering

    基本思想: 1、开始时,将每个样本作为一类。 2、规定某种度量作为样本之间距离以及类距离之间的度量,并且计算之。(...

  • 2015ICDE-(高效度量空间索引)Efficient Met

    标题:相似性查找的高效度量索引本文作者来自浙江大学 编者的总结 本文达成的目的是度量空间(仅定义域和距离,距离满足...

  • 机器算法:马氏距离(Mahalanobis Distance)

    马氏距离(Mahalanobis Distance)是度量学习中一种常用的距离指标,同欧氏距离、曼哈顿距离、汉明距...

  • 聚类分析(准备阶段)

    前提概念: 1、欧式距离:欧几里得度量(euclidean metric)(也称欧氏距离)是一个通常采用的距离定义...

  • 常用向量相似度衡量指标

    1、欧氏距离(Euclidean Distance ) 欧氏距离是最容易直观理解的距离度量方法: (1)二维平面上...

  • 赋范空间和收敛

    范数是绝对值的推广,数集中的绝对值度量的是与0的距离,线性空间中的范数度量的是与零元素的距离。这种距离由形象而来,...

网友评论

      本文标题:距离度量

      本文链接:https://www.haomeiwen.com/subject/lhpyzttx.html