什么是欧式距离?

欧式距离计算公式是0ρ = sqrt( (x1-x2)^2+(y1-y2)^2 )。

许多算法,无论是监督学习还是无监督学习,都会使用距离度量。这些度量,如欧几里得距离或者余弦相似性,经常在 k-NN、 UMAP、HDBSCAN 等算法中使用。了解距离度量这个领域可能比你想的更重要,以 k-NN 为例,它常被用于监督学习中。

什么是欧式距离?

欧氏距离的用途

我们从最常见的欧式距离开始,欧式距离可解释为连接两个点的线段的长度。欧式距离公式非常简单,使用勾股定理从这些点的笛卡尔坐标计算距离。缺点尽管这是一种常用的距离度量,但欧式距离并不是尺度不变的,这意味着所计算的距离可能会根据特征的单位发生倾斜。

通常,在使用欧式距离度量之前,需要对数据进行归一化处理。用例当你拥有低维数据且向量的大小非常重要时,欧式距离的效果非常好。如果在低维数据上使用欧式距离,则如 k-NNHDBSCAN 之类的方法可达到开箱即用的效果。