机器学习 - 距离计算

在机器学习领域里，最核心的两种数值计算分别是：

• 距离计算
• 几率计算

今天Reinhard Hsu就来看看常见都有哪些常见的的距离计算。

欧式距离（Euclidean Metric）

欧几里得距离，用于计算两个点之间的实际距离，计算方法是使用毕达哥拉斯定理，也就是我们中国的勾股定理。

对于二维平面上的两点，它们的欧式距离能够这样算：
$$
d=\sqrt{(x_1-x_2)^2+(y_1-y_2)^2}
$$

曼哈顿距离（Manhattan distance）

想象下你站在曼哈顿街区，须要从一个十字路口走到另外一个十字路口，没法穿过建筑，只能沿着街道走。

对于二维平面上的两点，它们的曼哈顿距离能够这样算：
$$
d=|x_1-x_2|+|y_1-y_2|
$$

海明距离（Hamming distance）

单词“advice”和“advise”之间的距离是多少呢？

距离是1，由于只须要替换一个字符，就能够将一个单词变换成另外一个单词。

海明距离用于测量长度相等的字符串之间的距离。

编辑距离（Levenshtein distance,Edit distance）

单词“how”和“show”之间的距离是多少呢？

距离是1，由于只要进行1次下面的动做，就能够从一个词变换到另外一个词：

• 插入一个字母
• 删除一个字母
• 交换相邻两个字母的位置
• 把一个字母替换成另外一个字母

编辑距离经常使用于天然语言处理中的拼写检查，和文本类似性检查。

其它距离

• 马氏距离（Mahalanobis distance）
• 切比雪夫距离
• 闵氏距离
• 余弦距离
• 杰卡德距离（Jaccard Distance）。

距离的分类

从距离的形式来划分的话，能够分为以下三类：

几何距离

直观地测量物体从一个点到另外一个点有多远。包括欧几里得距离、余弦距离，都属于几何距离。

计算距离

包括曼哈顿距离、编辑距离（Levenshtein distance）。

统计距离

包括马氏距离（Mahalanobis distance）、杰卡德距离（Jaccard Distance）。

参考文献

【1】怎样写一个拼写检查器 by Peter Norvig

【2】大数据时代的算法

【3】Thoughtful Machine Learning with Python