B-线性代数-距离公式汇总

[TOC] 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：http://www.javashuo.com/article/p-vozphyqp-cm.html

距离公式汇总

假设$n$维空间中有两个点$x_i$和$x_j$，其中$x_i = (x_i^{(1)},x_i^{(2)},\cdots,x_i^{(n)})^T$，\(x_j = (x_j^{(1)},x_j^{(2)},\cdots,x_j^{(n)})^T\)。

1、欧式距离

\[ d(x_i,x_j) = \sqrt{\sum_{l=1}^n|x_i^{(l)}-x_j^{(l)}|^2} \]

假设二维坐标轴上有两个点$(x_1,y_1)\(和\)(x_2,y_2)\(，则距离为\)\sqrt{(x_1-x_2)^2+(y_1-y_2)^2}$

2、曼哈顿距离

\[ d(x_i,x_j) = \sum_{l=1}^n|x_i^{(l)}-x_j^{(l)}| \]

3、闵可夫斯基距离（Minkowski distance）

\[ d(x_i,x_j) = \sqrt[p]{\sum_{l=1}^n(|x_i^{(l)}-x_j^{(l)}|)^p} \]