径向基函数是一个取值仅仅依赖于离原点距离的实值函数，也就是Φ（x）=Φ(‖x‖),或者还可以是到任意一点c的距离，c点称为中心点，也就是Φ（x，c）=Φ(‖x-c‖)。任意一个满足Φ（x）=Φ(‖x‖)特性的函数Φ都叫做径向基函数，标准的一般使用欧氏距离（也叫做欧式径向基函数），尽管其他距离函数也是 ...
分类：
其他好文 时间：
2016-12-12 14:10:23
阅读次数：
295
摘要： 1.常见的距离算法 1.1欧几里得距离（Euclidean Distance）以及欧式距离的标准化（Standardized Euclidean distance） 1.2马哈拉诺比斯距离（Mahalanobis Distance） 1.3曼哈顿距离（Ma... ...
分类：
编程语言 时间：
2016-11-08 07:51:29
阅读次数：
301
Atitti knn实现的具体四个距离算法 欧氏距离、余弦距离、汉明距离、曼哈顿距离 1. Knn算法实质就是相似度的关系1 1.1. 文本相似度计算在信息检索、数据挖掘、机器翻译、文档复制检测等领域有着广泛的应用1 2. 汉明距离1 2.1. 历史及应用1 3. 曼哈顿距离2 3.1. SimHa ...
分类：
编程语言 时间：
2016-10-25 07:36:59
阅读次数：
689
参考：http://blog.csdn.net/mousever/article/details/45967643 1. 欧氏距离，最常见的两点之间或多点之间的距离表示法，又称之为欧几里得度量，它定义于欧几里得空间中，如点 x = (x1,...,xn) 和 y = (y1,...,yn) 之间的距 ...
分类：
编程语言 时间：
2016-10-14 07:31:29
阅读次数：
204
马氏距离(Mahalanobis distance)是由印度统计学家马哈拉诺比斯（P. C. Mahalanobis）提出的，表示数据的协方差距离。它是一种有效的计算两个未知样本集的相似度的方法。与欧氏距离不同的是它考虑到各种特性之间的联系（例如：一条关于身高的信息会带来一条关于体重的信息，因为两者 ...
分类：
其他好文 时间：
2016-10-13 02:44:28
阅读次数：
251
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。 1. 欧氏距离 2. 曼哈顿距离 ...
分类：
其他好文 时间：
2016-10-10 13:29:24
阅读次数：
188
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：
2016-08-16 21:53:23
阅读次数：
218
SimHash 事实上，传统比较两个文本相似性的方法，大多是将文本分词之后，转化为特征向量距离的度量，比如常见的欧氏距离、海明距离或者余弦角度等等。两两比较固然能很好地适应，但这种方法的一个最大的缺点就是，无法将其扩展到海量数据。例如，试想像Google那种收录了数以几十亿互联网信息的大型搜索引擎， ...
分类：
其他好文 时间：
2016-08-02 00:49:42
阅读次数：
807
在分类聚类算法中，时常需要计算两个变量（通常是向量的形式）的距离，即相似性度量。其中，距离度量的性质：非负性，自反性，对称性和三角不等式。
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.曼哈顿距离
3. 切比雪夫距离
4. 闵可夫斯基距离
5.标准化欧氏距离
6.马氏距离
7.余弦相似度
...
分类：
其他好文 时间：
2016-07-03 20:05:42
阅读次数：
785
推荐系统的分类
常见评测标准
http://blog.csdn.net/u011263983/article/details/51544495
相似度
1）同现相似度
2）欧氏距离相似度
3）余弦相似度
4）秩相关系数相似度
5）曼哈顿距离相似度
6）对数似然相似度
常见推荐系统算法
关联规则；
Apriori...
分类：
其他好文 时间：
2016-06-02 14:35:55
阅读次数：
2915
