← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9945.e.1 · 生成模型:未记录

距离定义聚类的相似性

理解等级:中级

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?

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

    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”: