机器学习中各种距离计算

港控/mmm° 2022-06-15 02:59 447阅读 0赞

[机器学习中各种距离计算][Link 1]

原文： http://blog.csdn.net/qq\_23617681/article/details/51471156

[机器学习][Link 2]中，经常需要计算各种距离。   
比如KNN近邻的距离，Kmeans距离，相似度中的距离计算。   
这种距离不一定都是欧氏距离，针对不同需求，数据的不同特点，距离的计算方式不同。   
下面给出机器学习中常用的距离计算方式，及其应用特点。

对于距离，有如下基本特性：   
1、d(x, x)=0 //到自己的距离为0   
2、d(x ,y)>=0 //距离非负   
3、d(x, y)=d(y, x) //距离对称性，A到B的距离，B到A的距离是相等的   
4、d(x, z)+d(z, y)>=d(x, y) //三角形法则，两边之和大于第三边

1、闵可夫斯基距离（Minkowski distance）   
衡量数值点之间距离的常用方法。公式如下。   
![这里写图片描述][20160521154054287]  
该距离最常见形式是P=2或者1，分别对应欧氏距离、曼哈顿距离。   
见下图，网格表示城市街区交通道路，直线表示欧式距离，显示情况在存在高楼，不能直接穿过，折线表示曼哈顿距离，其长度是相等的。   
![这里写图片描述][20160521154400663]   
但公司中的P趋于无穷大时，闵可夫斯基距离就转化为切比雪夫距离（Chebyshev distance）.

我们知道，平面上的距离原点欧氏距离（P=2）为1的点组成的形状为圆，但P取其他值时？见下图。   
![这里写图片描述][20160521154937884]  
可知，切比雪夫距离近似一个正方形。   
注意：当P<1时，闵可夫斯基距离不符合三角形法则。比如：P<1时，（0,0）（1,1）两点的距离为（1,1）^1/p>2，而（0,1）到这两点的距离都为1.   
特点：闵可夫斯基距离比较直观，与数据分布无关，具有一定局限性。比如X方向的幅值远远大于Y方向的值，则闵可夫斯基距离会过度放大X维度的作用。可以在计算距离时，利用Z-transform处理，减去均值，除以方差。   
![这里写图片描述][20160521155740292]   
可知，此时处理体现数据的统计特性了，但其假设是，数据之间不是相关的。比如，人的身高跟体重是有相关性的，这样的数据，就需要用马氏距离了。   
2、马氏距离（mahalanobis distance）   
先看例子，图中黑绿球的欧氏距离>黑红球；相反，黑绿球的马氏距离<黑红球。   
这是因为马氏距离考虑了数据之间的相关性，利用cholesky transformation消除了不同维度之间的相关性和尺寸不同。   
![这里写图片描述][20160521160411269]   
具体换换公式参考文章1.   
举个例子，如图，下面的样本点。   
![这里写图片描述][20160521161315940]  
xy方向尺度不同，不能简单求欧氏距离。   
由于xy实现相关的，大致斜向上，不能标准化处理：减去均值，除以方差。   
最恰当的方法是，进行cholesky变换，求马氏距离。变换后马氏距离空间如下：   
![这里写图片描述][20160521161507190]   
可知，后边的红星离原点更近。与开始直观感觉有偏差。   
3、向量内积   
常见、有效、直观的相似性测量手段。   
向量内积没有剔除向量长度影响，如果计算单位长度向量的内积，就是余弦相似度（Consine similarity），公式如下：   
![这里写图片描述][20160521163412824]   
余弦相似度只与向量方向相关，与幅度无关。在TF-IDF及图片相似度计算过程中，经常看到。   
不足的是，余弦相似度受向量平移影响，如果x变为x+1，则余弦相似度值会发生变化。   
解决此方法就是——皮尔逊相似度（Person correlation），既避免幅度影响，又避免向量平移影响。   
![这里写图片描述][20160521164020123]  
皮尔逊相关系数具有平移不变性和尺寸不变性。   
4、分类数据间的距离   
汉明距离：两个等长字符串，其中一个变为另一个需要的最小变换次数。   
5、概率分布之间的距离   
前面讨论的是数值点的距离，实际上概率分布之间的距离也是可以计算的。   
常见方法有卡方验证（chi-square）和KL散度（KL-divergence）

![Center][]

小结：   
Jaccard计算集合之间的相似度/距离   
KL衡量两个分布之间的相似度/距离   
Consine计算向量之间的相似度/距离

参考文章   
1、[http://blog.jobbole.com/84876/][http_blog.jobbole.com_84876]

[Link 1]: http://blog.csdn.net/qq_23617681/article/details/51471156
[Link 2]: http://lib.csdn.net/base/machinelearning
[20160521154054287]: /images/20220615/58ac5b7a85984247a10b52e3706fff45.png
[20160521154400663]: /images/20220615/6a595d99b1224d4a92348827b88ecd6e.png
[20160521154937884]: /images/20220615/4d794ded04e64f56a4d0276546440915.png
[20160521155740292]: /images/20220615/30f4d5bf62e84cef8b1926d65abbc7ed.png
[20160521160411269]: /images/20220615/1d47f475d2e941bea38e68d04282ce71.png
[20160521161315940]: /images/20220615/57ff4da7b7594cdd854634defd00ab99.png
[20160521161507190]: /images/20220615/d50d254bc5bc431583b3fb9c6ed71f1d.png
[20160521163412824]: /images/20220615/a803c496520641b9a9f36409ee97211a.png
[20160521164020123]: /images/20220615/e1506577295446ceb4005387cc4e715a.png
[Center]: /images/20220615/ade6450660f3486bbd1417d52482f461.png
[http_blog.jobbole.com_84876]: http://blog.jobbole.com/84876/