知识卡片
曼哈顿与余弦距离
欧氏距离是默认选择,但“近”的定义可以换,换法会改变簇的形状与结果。
曼哈顿距离 各属性差的绝对值求和,像沿方格街区行驶,而不是两点连直线。它对单个维度上的大偏差不像平方那样放大,异常值的影响相对小。代价是:配合曼哈顿距离的最优中心是中位数而非均值,若仍用均值求质心,中心与距离就不再匹配。
余弦相似度 只看两个向量的夹角、忽略长度,常用于比较文档——每篇文档是一个词频向量,主题相近的文章即使篇幅相差很多,方向也接近,因而被判为相似。
怎么选 距离函数要能表达业务上的相似:属性是位置、金额这类有绝对意义的量,用欧氏或曼哈顿;属性是构成比例、词频这类只关心结构的量,用余弦。选定距离后,还要检查质心的计算方式是否与之一致,否则迭代的目标与度量的目标会打架。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第4章 高级分析理论与方法:聚类 · 查看原书依据
曼哈顿距离函数类似于汽车在城市中行驶的距离,而街道的布局为矩形网格(如城市街区)。在欧几里德距离中,测量在一条直线上进行的。
参考来源
- 位置:《数据科学与大数据分析 数据的发现 分析 可视化与表示》第4章 高级分析理论与方法:聚类(源文件:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0014_split_002.html)
- 结论依据:4.2.5 节指出除欧氏距离外还可用余弦相似度与曼哈顿距离,说明曼哈顿距离的几何含义,并指出用曼哈顿距离时以中位数作质心更好。
- 原始内容:曼哈顿距离函数类似于汽车在城市中行驶的距离,而街道的布局为矩形网格(如城市街区)。在欧几里德距离中,测量在一条直线上进行的。