相似性度量
作者：凱魯嘎吉 - 博客園 http://www.cnblogs.com/kailugaji/
1. 基于范數的度量
1.1 L1范數——Manhattan Distance(曼哈頓距離)
1.2 L2范數——Euclidean Distance(歐氏距離)
1.3 L∞范數——Chebyshev Distance(切比雪夫距離)
1.4 Lp范數——Minkowski Distance(閔可夫斯基距離)
1.5 L2,1范數
2. 基于協方差的度量
2.1 Mahalanobis Distance(馬氏距離)
2.2 Correlation Distance(相關距離)
3. 基于幅度的度量
3.1 Cosine Similarity(余弦距離)
3.2 Tonimoto系數
4. Jaccard Distance
5. 基于概率分布的度量
5.1 互資訊
5.2 Kullback–Leibler Divergence (KL散度)
5.3 Jensen–Shannon divergence(JS散度)
5.4 Wasserstein distance(推土機距離)
6. 基于核函式的度量
6.1 高斯核
6.2 q次多項式核
6.3 Maximum mean discrepancy(最大均值差異)
7. Hamming Distance(漢明距離)
8. 參考
[1] 范數：向量范數與矩陣范數
[2] 最大均值差異：MATLAB最大均值差異(Maximum Mean Discrepancy)
[3] 馬氏距離：MATLAB求馬氏距離(Mahalanobis distance)
[4] 相關系數：MATLAB實體：求相關系數、繪制熱圖并找到強相關對
[5] 互資訊：MATLAB聚類有效性評價指標（外部）
[6] Jaccard Distance：MATLAB聚類有效性評價指標（外部 成對度量）
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/60176.html
標籤：其他