样本距离计算、向量范数、矩阵范数
样本距离
给定样本xi=(xi1;xi2;⋯;xin)x_i=(x_{i1};x_{i2};\cdots ;x_{in})与xj=(xj1;xj2;⋯;xjn)x_j=(x_{j1};x_{j2};\cdots ;x_{jn})
最常用的是“闵可夫斯基距离”:
即LpL_p范数||xi−xj||p||x_i-x_j||_p
dist_{mk}(x_i,x_j)=\left ( \sum_{u=1}^{n} |x_{iu}-x_{ju}|^p\right )^\frac{1}{p}
当p=2时,闵可夫斯基距离即为欧氏距离:
dist_{ed}(x_i,x_j)=||x_i-x_j||_2=\sqrt[]{\sum_{u=1}^{n} |x_{iu}-x_{ju}|^2}
当p=1时,闵可夫斯基距离即为曼哈顿距离:
dist_{man}(x_i,x_j)=||x_i-x_j||_1=\sum_{u=1}^{n} |x_{iu}-x_{ju}|
向量范数
设 x=(ξ1,ξ2,ξ3,⋯,ξn)T∈Cnx=\left ( \xi _1,\xi _2,\xi _3,\cdots,\xi _n \right )^T \in C^n
向量p-范数:
\left \| x \right \|_p=({\sum_{k=1}^{n}|\xi_k|^p})^\frac{1}{p}即向量元素绝对值的p次方和的1/p次幂
向量0-范数: 向量中非零元素的个数
向量1-范数:
\left \| x \right \|_1=\sum_{k=1}^{n}|\xi_k| 即向量元素绝对值之和
向量2-范数:
\left \| x \right \|_2=\sqrt{\sum_{k=1}^{n}|\xi_k|^2}=\sqrt{x^Hx}即向量元素绝对值的平方和再开方
向量∞\infty -范数:
||x||_\infty=\max_k|\xi_k|即所有向量元素绝对值中的最大值
向量-∞\infty -范数:
||x||_{-\infty}=\min_k|\xi_k|即所有向量元素绝对值中的最小值
矩阵范数
矩阵1-范数:
\left \| A\right \|_1=\max_j \sum_{i=1}^{m}|a_{i,j}| 列和范数,即所有矩阵列向量绝对值之和的最大值
矩阵2-范数:
||A||_2=\sqrt{\lambda _{A^{H}A} }谱范数,即 AHAA^HA矩阵的最大特征值的开平方,其中 λAHA\lambda _{A^{H}A}是 AHAA^HA的最大特征值, AHA^H是A的共轭转置;
注:因(AHA)H=AH(AH)H=AHA(A^HA)^H=A^H(A^H)^H=A^HA,即AHAA^HA是Hermite矩阵,它对应的二次型:
f(x)=x^H(A^HA)x=(Ax)^H(Ax)=y^Hy\geq 0是正定的或半正定的,因此它的特征值都大于或等于零
矩阵∞\infty -范数:
\left \| A\right \|_\infty=\max_i \sum_{j=1}^{n}|a_{i,j}| 行和范数,即所有矩阵行向量绝对值之和的最大值
矩阵F-范数:
\left \| A\right \|_F=\sqrt{\sum_{i,j=1}|a_{i,j}|^2}=\sqrt{\sum_{i=1}^m\sum_{j=1}^n|a_{i,j}|^2}=\sqrt{tr(A^HA)}Frobenius范数,即矩阵元素绝对值的平方和再开平方
矩阵核范数:
||A||_\ast =\sum_{i=1}^{n}\lambda _i λi\lambda_i是A的奇异值,即奇异值之和。
后期有新的认识了再添加。。
样本距离计算、向量范数、矩阵范数相关推荐
- 机器学习 | 距离计算
文章目录 距离计算 1. 闵可夫斯基距离(有序属性) 1.1 曼哈顿距离 1.2 欧氏距离 2. VDM 距离(无序属性) 3. MinkovDM 距离(混合属性) 4. 加权距离(重要性不同) 参考 ...
- 向量距离计算 java_在机器学习中扮演着极为重要角色的向量
本章要点: 向量: 欧氏距离: 曼哈顿距离: 切比雪夫距离. 无论是在现实世界里,还是在人工智能领域中,"距离"都是一个相当重要的度量手段:在现实世界中,"距离" ...
- 【机器学习-西瓜书】九、聚类:性能度量;距离计算
关键词:性能度量:距离计算:VDM 9.1聚类任务 聚类任务是无监督学习任务,我们只需要有样本,而不需要有标签.聚类试图将数据集中的样本划分为若干个子集,每个子集称为一个簇(cluster).簇其实就 ...
- 聚类性能度量指标及距离计算
Python实现KMeans算法 1.外部指标 将聚类结果与某个"参考模型进行比较" 每次抽出两个样本,讨论所属聚类结果和参考模型,确定四个值: a:聚类结果同属于一类,参考模型同 ...
- R语言dist函数距离计算实战(欧几里得距离、曼哈顿距离)
R语言dist函数距离计算实战(欧几里得距离.曼哈顿距离) 目录 R语言dist函数距离计算实战(欧几里得距离.曼哈顿距离)
- oracle如何计算2个坐标的距离,百度地图两个坐标之间的距离计算
/** * 计算两组经纬度坐标 之间的距离 * params :lat1 纬度1: lng1 经度1: lat2 纬度2: lng2 经度2: len_type (1:m or 2:km); * re ...
- 微信外卖小程序 怎么计算与客户的距离_微信小程序结合腾讯位置服务实现用户商家距离计算...
前言 小程序实操,距离计算总结. 思路 一共有两种方法,各有利弊: 1.利用小程序的wx.getLocation 方法得到用户的经纬度,然后用已知的商家的经纬进行计算; 2.利用腾讯地图位置服务cal ...
- php 地图两点距离计算,计算地图上两点间的距离PHP类
计算地图上两点间的距离,使用的是谷歌地图 class GeoHelper { /** * @param int $lat1 * @param int $lon1 * @param int $lat2 ...
- html GPS坐标实现,JavaScript 实现GPS坐标点距离计算(两个经/纬度间的距离计算)...
在LBS(基于位置服务)的一些应用中,有时我们会需要计算两个用户或两个坐标点之间的距离.要解决这类问题,就要了解空间几何的概念并结合数学中在三角函数公式计算两点之间的值.本文介绍基于经度/纬度的,两个 ...
最新文章
- linux教程 sed命令的用法,Linux文本处理三剑客——sed命令使用教程
- WOLF ISP CCIE 方向优惠最后10天,价格低至13800!!
- imagepreview使用案例_微信小程序wx.previewImage预览图片实例详解
- 2017-2018-1 20179215 《从问题到程序》第五章
- 批处理:修改COM端口号
- es安全组端口_从零开始在远程服务器(Linux)上搭建es,eshead和ik分词器
- Linux下的库文件搜索路径
- 谷歌浏览器如何如何禁用弹出窗口阻止程序
- ImageMagick 拆分透明PNG 合并JPG和Alpha Mask
- paurse java_Java学习笔记一
- 《那些年啊,那些事——一个程序员的奋斗史》——65
- Spring整合Junit框架进行单元测试Demo
- 延迟队列DelayQueue原理
- uc android快捷键,UC手机浏览器助力Android快速上网
- 淘宝抢券python代码,能够对实时抢券和清空购物车。
- Excel - VLOOKUP 函数的精确查找和近似查找
- 小程序onShareTimeline()分享朋友圈
- 【计算机组成原理】码距怎么计算
- Android程序员现状:没有架构师的命,却得了架构师的病!
- 投递问题--图论--ACM算法
热门文章
- QT的QAlphaCoverage类的使用
- 上大专是学计算机还是会计,上三本还是上专科 大专学什么专业好
- web展现mysql_web页面实现LED跑马灯效果(涉及web前端、原生JS、PHP、mysql)
- 13.配置 influxDB 鉴权及 HTTP API 写数据的方法
- springmvc 传递和接收数组参数
- Scala模式匹配,case 字符串,case 匹配类型,case 匹配数组,case 匹配List,case 匹配元组,case匹配case class和case object
- User-Agent-Switcher和fiddler
- 处理数字_2_计算某列的平均值
- Python多继承基础
- python版权问题_关于版权问题 · Issue #62 · hankcs/HanLP · GitHub