在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。 本文的目的就是对常用的相似性度量作一个总结。本文目录：1. 欧氏距离2. .....
分类：
其他好文 时间：
2015-09-17 07:38:59
阅读次数：
223
机器学习：k-近邻(kNN)算法的基本原理与Python实现。...
分类：
编程语言 时间：
2015-08-30 01:02:31
阅读次数：
172
1. 欧几里得距离两个n维向量a(x11,x12,…,x1n)与 b(x21,x22,…,x2n)间的欧氏距离： 也可以用表示成向量运算的形式：适用：需要从维度的数值大小中体现差异的分析，如使用用户行为指标分析用户价值的相似度或差异。2. 余弦距离两个n维样本点a(x11,x12,…,x1n)和b....
分类：
编程语言 时间：
2015-08-16 10:45:01
阅读次数：
134
1、余弦距离余弦距离，也称为余弦相似度，是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量。向量，是多维空间中有方向的线段，如果两个向量的方向一致，即夹角接近零，那么这两个向量就相近。而要确定两个向量方向是否一致，这就要用到余弦定理计算向量的夹角。余弦定理描述了三角形中任何一个夹角...
分类：
其他好文 时间：
2015-08-11 18:27:14
阅读次数：
128
Affinity Propagation (AP) 聚类是2007年在Science杂志上提出的一种新的聚类算法。它根据N个数据点之间的相似度进行聚类,这些相似度可以是对称的,即两个数据点互相之间的相似度一样(如欧氏距离);也可以是不对称的,即两个数据点互相之间的相似度不等。这些相似度组成N×N的相...
分类：
编程语言 时间：
2015-07-27 12:50:40
阅读次数：
110
k均值（kmeans）聚类是一种最为简单的聚类方法，直接根据数据点之间的距离（欧氏距离，几何距离等等）来划分数据是属于哪一类的，当所有数据点所属的类别不在变化的时候，聚类也就完成了。详细原理可索引下面一个博客：聚类分析笔记-K均值matlab算法（一）关于kmeans再谈几点认识：
重要的一点：聚类数目的问题。有的聚类、分类问题已经限制好了要聚类成几类，也就是聚类数目一定，那么这种聚类通常简单些，直...
分类：
编程语言 时间：
2015-07-24 14:29:21
阅读次数：
324
一.问题描述B1[1 2 34 5 67 8 9]B2[12 13 142131 4151 1 1811 1]两个十进制矩阵，行数不一样，分别是n1和n2，列数必须一致，为nwords，输出的矩阵Dh是[n1，n2]，这和求两句真的欧氏距离一样的。输出[1 1] = 1和12海明+2和13海明 + ...
分类：
其他好文 时间：
2015-06-21 17:14:06
阅读次数：
229
多种相似距离对比因某些原因需要对样本进行相似度方面的计算，对常见的几种距离公式进行了一系列实验。距离公式：距离的衡量在相似度衡量中占据了重要的地位，不同的距离公式有其不同的应用场景，都是为了解决某类问题而诞生的，本文期望对这些距离公式能有个”0距离”的亲密接触。目录1. 欧氏距离2. 切比雪夫距离3...
分类：
其他好文 时间：
2015-06-13 17:07:54
阅读次数：
166
在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。 本文的目的就是对常用的相似性度量作一个总结。本文目录：1. 欧氏距离2. 曼....
分类：
其他好文 时间：
2015-04-20 16:35:11
阅读次数：
128
在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。 本文的目的就是对常用的相似性度量作一个总结。本文目录：1. 欧氏距离2. 曼....
分类：
其他好文 时间：
2015-03-08 11:43:34
阅读次数：
196
