赞
踩
欧几里得距离(Euclidean Distance)或欧几里得度量(Euclidean Metric)是欧几里得空间中两点间的距离。
二维空间公式
d = ( x 1 − x 2 ) 2 + ( y 1 − y 2 ) 2 d=\sqrt{(x_1-x_2)^2+(y_1-y_2)^2} d=(x1−x2)2+(y1−y2)2
计算二维空间中两点(x1,y1)和(x2,y2)之间的距离
三维空间公式
d = ( x 1 − x 2 ) 2 + ( y 1 − y 2 ) 2 + ( z 1 − z 2 ) 2 d=\sqrt{(x_1-x_2)^2+(y_1-y_2)^2+(z_1-z_2)^2} d=(x1−x2)2+(y1−y2)2+(z1−z2)2
计算三维空间中两点(x1,y1,z1)和(x2,y2,z2)之间的距离
n维空间公式
∑ i = 1 n ( x 1 i − x 2 i ) 2 ) \sqrt{\sum^{n}_{i=1}{(x_{1i}-x_{2i})^2)}} i=1∑n(x1i−x2i)2)
计算n维空间中两个向量(x11,x12,…,x1n)和(x21,x22,…,x2n)之间的距离
同一个概念的不同表达方式
欧几里得距离 == 欧几里得范数 == L2范数 == L2距离
Euclidean distance == Euclidean norm == L2 norm == L2 distance
import numpy as np if __name__ == "__main__": # 二维空间两点距离计算 a1 = np.array([0,0]) a2 = np.array([1,1]) op1 = np.linalg.norm(a1-a2) print(op1) # 三维空间两点距离计算 b1 = np.array([0,0,0]) b2 = np.array([1,1,1]) op2 = np.linalg.norm(b1-b2) print(op2) # n维空间两点距离计算 dims = 1024 c1 = np.zeros((1024,)) c2 = np.ones((1024,)) op3 = np.linalg.norm(c1-c2) print(op3)
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。