常见距离度量方式及其区别

2024-05-11 09:47:34

1、几种常见距离度量方式

见https://www.cnblogs.com/daniel-D/p/3244718.html

2、为什么用外观特征使用余弦距离，而不是欧式距离。

余弦相似度：取值范围[-1,1]
余弦距离=1-余弦相似度：取值范围[0,2]

1）含义：欧式距离体现数值上的绝对差异，用在特征向量上含义模糊；余弦距离体现方向上的相对差异，侧重于相似度、向量方向，与向量的大小无关。

2）取值范围：欧式距离范围不固定，余弦距离范围固定，在维度较多情况下也是[0,2]。

因此，类似于客户评价、外观特征，用余弦相似度更好一些。

3、为什么行人位置匹配使用马氏距离而不是欧式距离、IOU等

1）马氏距离就是“加强版的欧氏距离”。

a：马氏距离是尺度无关的，与各维度的值大小无关，与单位无关。相当于进行了标准化。

它规避了欧氏距离中对于数据特征方差不同的风险，在计算中添加了协方差矩阵进行方差归一化，从而使各维度尺度无关。从而马氏距离不受量纲的影响，两点之间的马氏距离与原始数据的测量单位无关。（由于进行了减均值并除协方差矩阵的操作，故马氏距离尺度无关，所谓尺度无关有两层含义，一是与值的大小无关，二是与单位无关）

b：马氏距离还可以排除变量之间的相关性的干扰。

马氏距离和欧式距离公式：https://blog.csdn.net/bluesliuf/article/details/88862918

2）为什么用马氏距离不用IOU

猜测马氏距离考虑的中心点距离和长宽比还有高度，但是IOU只是交并比。马氏距离和CIOU更加相似。马氏距离比单纯IOU好些。

4、如下介绍了改进的论文，包括JDE等

http://www.uml.org.cn/ai/202011274.asp

5、EMD(earth mover's distances)距离

对于离散的概率分布，Wasserstein距离也被描述为推土距离(EMD)。如果我们将分布想象为两个有一定存土量的土堆，那么EMD就是将一个土堆转换为另一个土堆所需的最小总工作量。

适用于点云匹配。

常见距离度量方式及其区别相关推荐

谈谈距离度量方式：欧氏距离与余弦距离
前因在机器学习/深度学习的很多任务中,我们通常会面临着两个样本之间相似度的比较.通常常用的两种度量方式为欧氏距离与余弦距离,那么在什么时候用欧氏距离?什么时候用余弦相似度?他们之间的联系与区别在哪里 ...
机器学习中有哪些距离度量方式
点击标题下「AI搞事情」可快速关注本文涉及到的距离度量方法: 欧氏距离曼哈顿距离闵氏距离切比雪夫距离标准化欧氏距离马氏距离汉明距离编辑距离 DTW距离杰卡德相似系数余弦距离皮尔逊 ...
9个数据科学中常见距离度量总结以及优缺点概述
来源:DeepHub IMBA本文约3400字,建议阅读7分钟我们将研究许多距离度量方法,并探讨如何以及何时最佳地使用它们. 许多算法,无论是监督或非监督,都使用距离度量.这些度量,如欧几里得距离或余 ...
常见距离度量方法优缺点对比！
↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货译者:张峰,安徽工业大学,Datawhale成员许多算法,不管是有监督 ...
scikit-learn库中聚类算法自定义距离度量方式
scikit-learn是非常漂亮的一个机器学习库,在某些时候,使用这些库能够大量的节省你的时间,至少,我们用Python,应该是很难写出速度快如斯的代码的. scikit-learn官方出了一些文档 ...
计算两个向量间的欧氏距离_用Numpy实现常见距离度量
设和为两个向量,求它们之间的距离. 这里用Numpy实现,设和为 ndarray <numpy.ndarray>,它们的shape都是(N,) 为所求的距离,是个浮点数( floa ...
2个点马氏距离计算实例_数据分析基础：距离度量方式（欧式距离、马氏距离、曼哈顿距离）...
数据分析中,为了评定数据之间的相似度,有很多不同的距离的计算方法,如欧氏距离,马氏距离等等. 欧氏距离 Euclidean distance:欧几里得距离,m维空间中两个点之间的真实距离离差平方和, ...
距离度量方式（马氏距离，欧式距离，曼哈顿距离）
距离度量与相似度度量
概述在分类和聚类任务中,需要用到距离度量评估样本之间的相似度. 距离度量方法需要满足:1)样本到自身的距离为0:2)距离满足非负性:3)对称性,即A到B的距离与B到A的距离相同:4)三角形法则,即两 ...

最新文章

热门文章