热门标签
热门文章
- 1vue3 使用element-plus 如何再次封装table组件_vue3 element-plus封装table
- 2ssh -T测试连接gitee成功，但push推送分支时出现Permission denied (publickey)问题如何解决?_gitee push 无权限
- 3【MySQL 8.0新特性】窗口函数_mysql8.0新增的函数
- 410g gtx 光纤通信测试_100G以太网光口的FPGA测试实例
- 5C# WPF入门学习主线篇（八）—— ListBox常见属性和事件
- 6基础KNN算法_knn公式
- 7Android Studio控件事件——登录界面跳转_android 登录界面跳转功能
- 8python-判断字体中是否含有ocr类别字典中字符（中文、英文、符号）_python如何检查ttf字体文件支持中文字符
- 9jmeter测试mysql数据库_【JMeter】JMeter完成一个MySql压力测试
- 10Holer实现外网访问本地MySQL数据库
当前位置: article > 正文
机器学习距离计算
作者：菜鸟追梦旅行 | 2024-06-11 11:55:00
赞
踩
机器学习距离计算
1.闵可夫斯基距离 (Minkowski Distance)
设有两个n维向量A(x1,x2,x3,….xn)和B(y1,y2,y3,….yn)间的闵可夫斯基距离定义为：
其中p是一个参数。
当p=1时，就是曼哈顿距离；
当p=2时，就是欧式距离；
当p->无穷时，就是切比雪夫距离。
2.欧式距离 （Euclidean Distance）
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/菜鸟追梦旅行/article/detail/703064
推荐阅读
相关标签
