知识卡片
距离定义聚类的相似性
同一差向量 (3,4) 在 L1、L2、L∞ 距离下分别是 7、5、4,不同距离对多维差异的权重不同。原始特征量纲也会改变距离。经典 K-means 的均值更新对应平方欧氏目标,改用绝对距离时要相应改变中心定义。
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
- 搞懂算法:聚类是怎么回事 · 查看原书依据
最常见的距离是“闵可夫斯基距离”:
参考来源
- 位置:《从零开始:机器学习的数学原理和算法实践》第11章《搞懂算法:聚类是怎么回事》(来源项目 book-source:extracted/从零开始:机器学习的数学原理和算法实践/_epub-src/OEBPS/Text/chapter011.xhtml)
- 结论依据:原文比较欧氏、曼哈顿和切比雪夫距离,并列出余弦等备选。
- 原始内容:最常见的距离是“闵可夫斯基距离”: