本文只讨论二维空间中的曼哈顿距离与切比雪夫距离 曼哈顿距离 定义 设平面空间内存在两点，它们的坐标为$(x1,y1)$，$(x2,y2)$ 则$dis=|x1-x2|+|y1-y2|$ 即两 ...

1. 文本相似度计算-文本向量化 2. 文本相似度计算-距离的度量 3. 文本相似度计算-DSSM算法 4. 文本相似度计算-CNN-DSSM算法 1. 前言 上文介绍了文本的向量化处理，本 ...

机器学习是时下流行AI技术中一个很重要的方向，无论是有监督学习还是无监督学习都使用各种“度量”来得到不同样本数据的差异度或者不同样本数据的相似度。良好的“度量”可以显著提高算法的分类或预测 ...

1.问题 说到k-means聚类算法，想必大家已经对它很熟悉了，它是基于距离计算的经典无监督算法，但是有一次在我接受面试时，面试官问了我一个问题：“k-means为什么不能使用曼哈顿距离 ...

\(\\\) 曼哈顿距离 对于两个点\((x_1,y_1),(x_2,y_2)\)，定义他们的曼哈顿距离为\(|x_1-x_2|+|y_1-y_2|\)，即两坐标轴分别讨论差值再求和。 对于 ...