机器学习两种距离——欧式距离和马氏距离

咱们熟悉的欧氏距离虽然颇有用，但也有明显的缺点。它将样品的不一样属性（即各指标或各变量）之间的差异等同看待，这一点有时不能知足实际要求。例如，在教育研究中，常常遇到对人的分析和判别，个体的不一样属性对于区分个体有着不一样的重要性。所以，有时须要采用不一样的距离函数。     若是用dij表示第i个样品和第j个样品之间的距离，那么对一切i，j和k，dij应该知足以下四个条件： ①当且仅当i=j时，d

>>阅读原文<<