Skip to Main Content
Python 机器学习实践:测试驱动的开发方法
book

Python 机器学习实践:测试驱动的开发方法

by Matthew Kirk
January 2018
Intermediate to advanced content levelIntermediate to advanced
211 pages
8h 31m
Chinese
China Machine Press
Content preview from Python 机器学习实践:测试驱动的开发方法
K
最近邻算法
27
密分组”?因为你很可能在生活中的某个机会中使用了一个几何类,你可能想到了毕
达哥拉斯定理或类似的东西,但事情不是那么简单。距离是一类可能更复杂的函数。
距离
常言道:“像乌鸦似的直线飞过去。”
几何课教会我们,如果你将直角三角形的两条直角边长的平方求和,并取其平方根,
将得到斜边的边长(见图
3-1
)。
这就是我们都知道的毕达哥拉斯定理(勾股定理),但距离可以更复杂。距离可以采
取许多不同的形式,本节只讨论几何距离、计算距离和统计距离。
3-1:勾股定理
三角不等式
3-1
中三角形的一个有趣的方面是,任意一边的长度总小于另外两边的长度之和(见
3-2
)。
3-2:三角形三边之间的关系
数学表达式:
||
x
+
y
||
||
x
|| + ||
y
||
。这个不等式对于得到距离函数是很重要的;如
果三角不等式不成立,在测量欧几里得空间中的点和点之间的距离时,距离会变得略
微失真。
几何距离
最直观的距离函数是几何距离。我们可以直观地测量一个物体上从一个点到另一个点
有多远。除了勾股定理之外,还有无限的可能性满足三角不等式。
28
3
在从数学角度度量距离时,我们采用勾股定理可以构建所谓的欧几里得距离,其表示
为:
Stated mathematically: x + y
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Start your free trial

You might also like

Mastering Python for Bioinformatics

Mastering Python for Bioinformatics

Ken Youens-Clark

Publisher Resources

ISBN: 9787111581666