\
大侠幸会，在下全网同名「算法金」 0 基础转 AI 上岸，多个算法赛 Top 「日更万日，让更多人享受智能乐趣」
在算法模型构建中，我们经常需要计算样本之间的相似度，通常的做法是计算样本之间的距离。 今天，一键拿下九种距离算法。走你~
一、欧氏距离 (Euclidean Distance)
定义与公式
欧氏距离是两个点在 n 维空间中直线距离的度量。它是最常见的距离度量方法之一，用于计算两个向量之间的距离。欧氏距离的公式如下：
应用场景
欧氏距离广泛应用于许多领域，如机器学习、统计学、模式识别和数据挖掘。常见的应用场景包括：
- 分类算法：如 k 近邻 (k-Nearest Neighbors, KNN) 算法，通过计算新样本与训练样本之间的欧氏距离来进行分类
- 聚类分析：如 k 均值 (k-Means) 聚类算法，通过计算样本与聚类中心之间的欧氏距离来确定样本所属的簇
- 图像处理：用于度量图像之间的相似度，如图像检索和图像匹配
优缺点分析
优点：
- 计算简单：欧氏距离的计算公式简单易懂，且计算量较小，适用于大多数应用场景
- 直观性强：欧氏距离直接反映了两个点之间的几何距离，具有很强的直观性
缺点：
- 对尺度敏感：不同维度的数值尺度差异会影响距离的计算结果，需要对数据进行标准化或归一化处理
- 对异常值敏感：欧氏距离对数据中的异常值非常敏感，异常值可能会显著影响计算结果
欧氏距离（Euclidean Distance）
二、余弦相似度 (Cosine Similarity)
定义与公式
余弦相似度是一种衡量两个向量夹角余弦值的度量，常用于评估两个向量的相似度。公式如下：
应用场景
余弦相似度在许多领域有广泛应用，特别是文本和信息检索领域：
- 文本相似度计算：在自然语言处理 (NLP) 中，余弦相似度用于计算两个文本或文档之间的相似度，通过比较它们的词频向量
- 推荐系统：如用户-物品推荐系统，通过计算用户之间或物品之间的相似度来进行推荐
- 图像相似度计算：在计算机视觉中，用于比较图像特征向量的相似度
优缺点分析
优点：
- 不受向量长度影响：余弦相似度仅关注向量的方向，而不受向量的长度影响，适用于不同规模的数据
- 计算简单：公式简单，计算效率高，适合大规模数据处理
缺点：
- 无法反映数值大小的差异：余弦相似度仅考虑向量的方向，不考虑数值的大小，可能会忽略重要的数值信息
- 对稀疏向量效果较差：对于稀疏向量（如文本数据中的词频向量），计算结果可能不准确，需要结合其他方法使用
余弦相似度（Cosine Similarity）
防失联，进免费知识星球，直达算法金 AI 实验室 https://t.zsxq.com/ckSu3
三、汉明距离 (Hamming Distance)
定义与公式
汉明距离用于衡量两个等长字符串之间的不同字符个数。公式如下：
应用场景
汉明距离主要用于以下场景：
- 错误检测和纠正：在通信和存储系统中，用于检测和纠正数据传输和存储中的错误，如汉明码
- 基因序列分析：在生物信息学中，用于比较 DNA 和 RNA 序列之间的差异
- 密码学：在密码分析中，用于比较不同密文之间的差异
优缺点分析
优点：
- 计算简单：汉明距离的计算过程非常简单，适合大规模数据处理
- 适用于离散数据：汉明距离特别适用于比较离散数据，如字符串和二进制数据
缺点：
- 仅适用于等长字符串：汉明距离只能比较长度相同的字符串，对于长度不同的字符串无法计算
- 不考虑字符位置的重要性：汉明距离只关注字符是否相同，不考虑字符在字符串中的位置重要性
汉明距离（Hamming Distance）
四、曼哈顿距离 (Manhattan Distance)
定义与公式
曼哈顿距离，又称为城市街区距离，是指两个点在 n 维空间中各个坐标轴上的距离之和。公式如下：
应用场景
曼哈顿距离在以下领域有广泛应用：
- 数据挖掘和机器学习：如在 k 近邻 (KNN) 算法中，用于计算样本之间的距离
- 图像处理：用于图像像素之间的距离计算，如图像匹配和分割
- 机器人路径规划：在路径规划中，用于计算机器人在网格地图中的移动距离
优缺点分析
优点：
- 计算简单：曼哈顿距离的计算公式简单，计算量较小，适用于大多数应用场景
- 适用于高维数据：在高维空间中，曼哈顿距离比欧氏距离更稳定，不易受到个别维度异常值的影响
缺点：
- 不适用于所有场景：曼哈顿距离在某些场景中可能不如欧氏距离直观，如需要考虑斜向移动的场景
- 对尺度敏感：不同维度的数值尺度差异会影响距离的计算结果，需要对数据进行标准化或归一化处理
曼哈顿距离（Manhattan Distance）
防失联，进免费知识星球，直达算法金 AI 实验室 https://t.zsxq.com/ckSu3
五、切比雪夫距离 (Chebyshev Distance)
定义与公式
切比雪夫距离，又称为棋盘距离，是指两个点在 n 维空间中各个坐标轴上的最大距离。公式如下：
应用场景
切比雪夫距离在以下领域有应用：
- 棋盘游戏：如国际象棋中，王每次可以沿任意方向移动一个格子，切比雪夫距离用于计算王移动的步数
- 仓储和物流：在仓储管理中，用于计算物品在网格仓库中的最远距离
优缺点分析
优点：
- 计算简单：切比雪夫距离的计算公式简单，计算量小，适用于需要快速计算距离的场景
- 直观性强：对于某些特定场景，如棋盘游戏，切比雪夫距离具有很强的直观性
缺点：
- 应用范围有限：切比雪夫距离主要适用于特定场景，不适合所有类型的数据分析
- 对异常值敏感：切比雪夫距离对数据中的异常值非常敏感，异常值可能会显著影响计算结果
切比雪夫距离（Chebyshev Distance）
六、闵可夫斯基距离 (Minkowski Distance)
定义与公式
闵可夫斯基距离是欧氏距离和曼哈顿距离的广义形式，通过调整参数 𝑝𝑝，可以得到不同的距离度量。公式如下：
应用场景
闵可夫斯基距离广泛应用于数据分析和机器学习中：
- 分类算法：如 k 近邻 (KNN) 算法中，通过调整 𝑝𝑝 值来选择适合的距离度量
- 聚类分析：如 k 均值 (k-Means) 聚类算法中，通过调整 𝑝𝑝 值来确定样本与聚类中心之间的距离
优缺点分析
优点：
- 灵活性高：通过调整参数 𝑝，可以得到不同的距离度量，适应不同的应用场景
- 计算公式统一：无论是曼哈顿距离还是欧氏距离，均可以通过统一的闵可夫斯基距离公式来计算
缺点：
- 参数选择困难：在实际应用中，选择合适的 𝑝𝑝 值可能比较困难，需要根据具体问题进行调整
- 对异常值敏感：闵可夫斯基距离对数据中的异常值较为敏感，可能会影响计算结果
闵可夫斯基距离 (Minkowski Distance)
七、雅卡尔指数 (Jaccard Index)
定义与公式
雅卡尔指数用于衡量两个集合的相似度，其值为两个集合交集的大小除以并集的大小。公式如下：
应用场景
雅卡尔指数在以下领域有广泛应用：
- 信息检索：用于评估搜索结果与查询的相关性
- 图像处理：用于比较图像分割结果与真实分割的相似度
- 生态学：用于比较不同物种群落之间的相似度
优缺点分析
优点：
- 适用于集合数据：雅卡尔指数特别适用于比较离散的集合数据
- 计算简单：雅卡尔指数的计算过程简单，适用于大规模数据处理
缺点：
- 对稀疏数据效果较差：对于稀疏数据（如文本数据），雅卡尔指数可能不准确，需要结合其他方法使用
- 无法处理权重信息：雅卡尔指数仅考虑集合中元素的存在与否，不考虑元素的权重信息
雅卡尔指数（Jaccard Index）
八、半正矢距离 (Haversine Distance)
定义与公式
半正矢距离用于计算地球表面上两点之间的最短距离，考虑到地球的球形特性。公式如下：
应用场景
半正矢距离主要用于以下场景：
- 地理信息系统 (GIS)：用于计算地球表面两点之间的最短距离
- 导航系统：用于GPS导航系统中，计算起点和终点之间的距离
- 航空和海洋运输：用于计算航线和航程
优缺点分析
优点：
- 考虑地球曲率：半正矢距离考虑到地球的球形特性，计算结果更准确
- 适用于长距离计算：对于长距离的两点间距离计算，半正矢距离比直线距离更准确
缺点：
- 计算复杂：半正矢距离的计算公式较复杂，计算量较大，不适合实时计算
- 对短距离不敏感：对于短距离的两点间距离计算，半正矢距离与直线距离差异不大
半正矢距离 (Haversine Distance)
防失联，进免费知识星球，直达算法金 AI 实验室 https://t.zsxq.com/ckSu3
九、Sørensen-Dice 系数
(Sørensen-Dice Coefficient)
定义与公式
Sørensen-Dice 系数用于衡量两个集合的相似度，其值为两个集合交集的大小的两倍除以两个集合大小的总和。公式如下：
应用场景
Sørensen-Dice 系数在以下领域有广泛应用：
- 信息检索：用于评估搜索结果与查询的相关性
- 图像处理：用于比较图像分割结果与真实分割的相似度
- 生态学：用于比较不同物种群落之间的相似度
优缺点分析
优点：
- 适用于集合数据：Sørensen-Dice 系数特别适用于比较离散的集合数据
- 计算简单：Sørensen-Dice 系数的计算过程简单，适用于大规模数据处理
缺点：
- 对稀疏数据效果较差：对于稀疏数据（如文本数据），Sørensen-Dice 系数可能不准确，需要结合其他方法使用
- 无法处理权重信息：Sørensen-Dice 系数仅考虑集合中元素的存在与否，不考虑元素的权重信息
Sørensen-Dice 系数 (Sørensen-Dice Coefficient)
[ 抱个拳，总个结 ]
各种距离和相似度的对比分析
数学性质对比
- 欧氏距离：度量空间中两点之间的直线距离，具有平移不变性和对称性
- 余弦相似度：度量两个向量之间夹角的余弦值，仅考虑向量的方向，不考虑向量的大小
- 汉明距离：度量两个等长字符串之间不同字符的个数，适用于离散数据
- 曼哈顿距离：度量空间中两点在各坐标轴上的距离之和，适用于高维数据
- 切比雪夫距离：度量两个点在各坐标轴上的最大距离，适用于棋盘游戏等特定场景
- 闵可夫斯基距离：欧氏距离和曼哈顿距离的广义形式，通过调整参数 𝑝𝑝 可得到不同的距离度量
- 雅卡尔指数：度量两个集合的相似度，计算两个集合交集与并集的比值
- 半正矢距离：计算地球表面两点间的最短距离，考虑地球的球形特性
- Sørensen-Dice 系数：度量两个集合的相似度，计算两个集合交集大小的两倍与两个集合大小总和的比值
计算复杂度对比
- 欧氏距离：𝑂(𝑛)，计算简单，适用于大多数应用场景
- 余弦相似度：𝑂(𝑛)，计算简单，适合大规模数据处理
- 汉明距离：𝑂(𝑛)，计算简单，适合离散数据
- 曼哈顿距离：𝑂(𝑛)，计算简单，适用于高维数据
- 切比雪夫距离：𝑂(𝑛)，计算简单，适用于特定场景
- 闵可夫斯基距离：𝑂(𝑛)，通过调整参数 𝑝𝑝，适应不同的应用场景
- 雅卡尔指数：𝑂(𝑛)，计算简单，适用于集合数据
- 半正矢距离：𝑂(1)，公式复杂，适合地理信息系统等场景
- Sørensen-Dice 系数：𝑂(𝑛)，计算简单，适用于集合数据
适用场景对比
- 欧氏距离：适用于空间距离计算、分类算法（如 KNN）、聚类分析（如 K-Means）
- 余弦相似度：适用于文本相似度计算、推荐系统、图像相似度计算
- 汉明距离：适用于错误检测和纠正、基因序列分析、密码学
- 曼哈顿距离：适用于数据挖掘和机器学习、图像处理、机器人路径规划
- 切比雪夫距离：适用于棋盘游戏、仓储和物流
- 闵可夫斯基距离：适用于分类算法、聚类分析
- 雅卡尔指数：适用于信息检索、图像处理、生态学
- 半正矢距离：适用于地理信息系统、导航系统、航空和海洋运输
- Sørensen-Dice 系数：适用于信息检索、图像处理、生态学
核心要点回顾
- 欧氏距离：计算空间中两点间的直线距离，简单易懂
- 余弦相似度：计算两个向量间夹角的余弦值，适合文本和向量数据
- 汉明距离：计算两个等长字符串间不同字符的个数，适合离散数据
- 曼哈顿距离：计算空间中两点在各坐标轴上的距离之和，适合高维数据
- 切比雪夫距离：计算两点间各坐标轴上的最大距离，适用于特定场景
- 闵可夫斯基距离：欧氏距离和曼哈顿距离的广义形式，通过参数调整适应不同场景
- 雅卡尔指数：计算两个集合的相似度，适合集合数据
- 半正矢距离：计算地球表面两点间的最短距离，考虑地球曲率
- Sørensen-Dice 系数：计算两个集合的相似度，适合集合数据
- 科研为国分忧，创新与民造福 -
日更时间紧任务急，难免有疏漏之处，还请大侠海涵 内容仅供学习交流之用，部分素材来自网络，侵联删
[ 算法金，碎碎念 ]
这个神反馈，
有点意思
hhh~
全网同名，日更万日，让更多人享受智能乐趣
如果觉得内容有价值，烦请大侠多多 分享、在看、点赞，助力算法金又猛又持久、很黄很 BL 的日更下去；
同时邀请大侠 关注、星标 算法金，围观日更万日，助你功力大增、笑傲江湖
