← 返回卡片

原书出处

机器学习算法原理与编程实践

01 第1章 机器学习的基础

核验版本的摘录快照 · 导入于 2026-11-19T03:09:27.758Z

1 ,x12 ,…,x1n )与B(x21 ,x22 ,…,x2n )间的闵可夫斯基距离定义为: 其中p是一个变参数。

当p=1时,就是曼哈顿距离。 当p=2时,就是欧氏距离。 当p→∞时,就是切比雪夫距离。 根据变参数的不同,闵可夫斯基距离可以表示一类的距离。

2. 欧氏距离(Euclidean Distance) 欧氏距离(L2范数)是最易于理解的一种距离计算方法,源自欧氏空

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00007.html

EPUB SHA-256:70d8d79af4c27e857a132f2bb0cf0dbfa14854fa17c13eacb72320d7c9bf315d