機器學習兩種距離——歐式距離和馬氏距離

咱們熟悉的歐氏距離雖然頗有用，但也有明顯的缺點。它將樣品的不一樣屬性（即各指標或各變量）之間的差異等同看待，這一點有時不能知足實際要求。例如，在教育研究中，常常遇到對人的分析和判別，個體的不一樣屬性對於區分個體有着不一樣的重要性。所以，有時須要採用不一樣的距離函數。     若是用dij表示第i個樣品和第j個樣品之間的距離，那麼對一切i，j和k，dij應該知足以下四個條件： ①當且僅當i=j時，d

>>阅读原文<<