相似度计算之兰氏距离
浏览:2445次 出处信息
兰氏距离(Lance and Williams distance)堪培拉距离(Canberra Distance),被认为是曼哈顿距离的加权版本。
其定义公式为:
通常兰氏距离对于接近于0(大于等于0)的值的变化非常敏感。与马氏距离一样,兰氏距离对数据的量纲不敏感。不过兰氏距离假定变量之间相互独立,没有考虑变量之间的相关性。
Python实现:
def canberra_distance(p, q): n = len(p) distance = 0 for i in n: if p[i] == 0 and q[i] == 0: distance += 0 else: distance += abs(p[i] - q[i]) / (abs(p[i]) + abs(q[i])) return distance
参考资料:
建议继续学习:
- 相似度计算常用方法综述 (阅读:9548)
- 字符串匹配那些事(一) (阅读:5929)
- 如何计算两个文档的相似度(一) (阅读:5110)
- URL相似度计算的思考 (阅读:3855)
- 如何计算两个文档的相似度(二) (阅读:4039)
- Levenshtein distance相似度算法 (阅读:3292)
- 如何计算两个文档的相似度(三) (阅读:3137)
- 若无云,岂有风——词语语义相似度计算简介 (阅读:2656)
- 相似度计算之马氏距离 (阅读:2266)
- 常见相似度计算方法回顾 (阅读:2355)
QQ技术交流群:445447336,欢迎加入!
扫一扫订阅我的微信号:IT技术博客大学习
扫一扫订阅我的微信号:IT技术博客大学习
<< 前一篇:常见相似度计算方法回顾
后一篇:一维数组的聚类 >>
文章信息
- 作者:标点符 来源: 标点符
- 标签: 兰氏距离 相似度
- 发布时间:2018-07-05 14:00:16
建议继续学习
近3天十大热文
-
[84] memory prefetch浅析
-
[53] 转载:cassandra读写性能原理分析
-
[51] 基本排序算法的PHP实现
-
[51] 深入浅出cassandra 4 数据一致性问
-
[45] 字符引用和空白字符
-
[42] MySQL半同步存在的问题
-
[40] javascript插入样式
-
[39] Inline Form Labels
-
[39] 获取Dom元素的X/Y坐标
-
[36] JS中如何判断字符串类型的数字