【引】回忆与一个AI 产品经理的对话，否则就可能真的忘记了...... 我们经常需要判断两个数据点之间的“相似程度”——比如给用户推荐喜欢的商品，要先找到和他兴趣相近的用户；做异常检测，要找出和正常数据差异大的异常值；聚类分析时，要把相似的数据归为一类。而衡量这种“相似”或“差异”的核心工具，就是距离指标。
简单来说，距离指标就像我们生活中用尺子量长度一样，只不过它量的不是物理空间的长度，而是数据之间的“差异度”。距离越近，说明两个数据越相似；距离越远，差异就越大。在这里， 老码农就尝试用最朴素的语言，讲清楚机器学习中最常用的9个距离指标，包括它们的含义、公式、简单示例，以及实际应用场景，哪怕是刚接触机器学习的朋友，也能轻松看懂。
一、欧几里得距离，最直观的“直线距离” |
| |||||||||||||||||||||||||
点击朱笔，直抒胸臆