在k-means或kNN，我們是用歐氏距離來計算最近的鄰居之間的距離。為什么不用曼哈頓距離？
曼哈頓距離只計算水平或垂直距離，有維度的限制。另一方面，歐氏距離可用於任何空間的距離計算問題。 因為，數據點可以存在於任何空間，歐氏距離是更可行的選擇。例如：想象一下國際象棋棋盤，象或車所 做的移動是由曼哈頓距離計算的，因為它們是在各自的水平和垂直方向做的運動 ...
原文：K-means真的不能使用曼哈頓距離嗎？
.問題 說到k means聚類算法，想必大家已經對它很熟悉了，它是基於距離計算的經典無監督算法，但是有一次在我接受面試時，面試官問了我一個問題： k means為什么不能使用曼哈頓距離計算，而使用歐式距離進行計算 ，當時我頓時懵了，心想： 難道不都可以嗎 ，我只能說都可以，然后面試官給了我一個眼神， 你回去查查吧，看看到底為什么 ,然后我就回家啦。這是我后來在網上找到的回答，如下圖： .k me ...
2020-03-02 23:43 0 2152 推薦指數：
相關推薦
3. sklearn的K-Means的使用
1. K-Means原理解析 2. K-Means的優化 3. sklearn的K-Means的使用 4. K-Means和K-Means++實現 1. 前言 在機器學習中有幾個重要的python學習包。 sklearn：sklearn里面包含了各種機器學習的算法結構 ...
K-means Algorithm
在監督學習中，有標簽信息協助機器學習同類樣本之間存在的共性，在預測時只需判定給定樣本與哪個類別的訓練樣本最相似即可。在非監督學習中，不再有標簽信息的指導，遇到一維或二維數據的划分問題，人用肉眼就很容易 ...
聚類-K-Means
. K-Means算法的思想很簡單，對於給定的樣本集，按照樣本之間的距離大小，將樣本集划分為K個簇。讓簇 ...
K-Means ++ 算法
） K-Means ++ 算法 k-means++算法選擇初始seeds的基本思想就是：初始的聚類中 ...
sklearn k-means
一.k-means原理 k-means屬於無監督學習。 將原始點分成3類 k的取值， 1.需要將樣本分成幾類，k就取幾 2.通過網格搜索自動調節 中心點計算：所有點的x，y，z取平均(x1+x2+……xn)/n，（y1+y2+yn)/n ...
K-means 算法
）； 對與數據集中的每個數據點，按照距離K個中心點的距離，將其與距離最近的中心點關聯起來，與同一中心點關聯的所有點聚 ...
K-Means算法
聚類與分類的區別 分類 類別是已知的，通過對已知分類的數據進行訓練和學習，找到這些不同類的特征，再對未分類的數據進行分類。屬於監督學習。 聚類 事先不知道數據會分為幾類，通過聚類分析將數據聚合 ...