首页 > 美文阅读

向量的几种距离计算方法

更新时间:2023-05-27 09:36:18 阅读：评论：0

向量的⼏种距离计算⽅法

铁皮石斛的功效本⽂展⽰了4中距离计算⽅法：欧⽒距离、曼哈顿距离、切⽐雪夫距离、夹⾓余弦距离。

另外：向量可以⾃⼰根据需要来构造，本⽂的⽐较杂乱，是由特定要求计算得来的

例如：A=[0.1,0.2,0.3,0.4,0.5]，B=[0.005,0.006,0.007,0.008,0.009]

1.获取⼀些随机均匀分布的点，作为向量A

a=numpy.random.randint(-20,high=160,size=(1,30)) #随机均匀分布

a=a/1000

A=[]

#只要30个点，并且保留⼩数点后3位

for i in range(30):

for b in a:

c='%.3f'%b[i]

A.append(float(c))

print(A)

2.构造向量B（这个计算⽅法内部使⽤，可忽略）

power=[0.005,0.006,0.007,0.008,0.009]

for n in range(5):

B=[]

for i in A:

random2 = numpy.random.randn() #随机正态分布

a = i+random2/1000*power[n]

a='%.6f'%a

B.append(float(a))

# print(B)

vector1 =mat(A)

vector2 =mat(B)

3.⼏种距离计算⽅法

print("第"+str(n+1)+"次距离计算")

# 1.欧式距离

开心激情网站

ou = numpy.sqrt(numpy.sum(numpy.square(vector1 - vector2)))

ou1.append(ou)

print('欧⽒距离：', ou)

# 2.曼哈顿距离

manhadun =sum(abs(vector1 - vector2))

man.append(manhadun)

print("曼哈顿距离：", manhadun)

个人免责声明# 3.切⽐雪夫距离

qbxf =abs(vector1 - vector2).max()

qie.append(qbxf)

print("切⽐雪夫距离：", qbxf)

# 4.夹⾓余弦距离

n1 = np.squeeze(np.asarray(vector1))

n2 = np.squeeze(np.asarray(vector2))

cos1 =dot(n1, n2)/((n1)* (n2))

cos.append(cos1)

print("夹⾓余弦距离：", cos1)

print("-----------------------------")

4.把距离归⼀化，然后画出来

g1=ou1/max(ou1)

print("欧⽒距离归⼀化：",g1)

g2=man/max(man)

print("曼哈顿距离归⼀化：",g2)

g3=qie/max(qie)爆炒包菜

print("切⽐雪夫距离归⼀化：",g3)

g4=cos/max(cos)

print("余弦距离归⼀化：",g4)

# 1.欧⽒距离：蓝⾊线

plot(power, g1,'b.')

plot(power[:5], g1[:5],color='b')

# 2.曼哈顿距离：红⾊线

plot(power, g2,'r.')

plot(power[:5],g2[:5],color='r')

# 3.切⽐雪夫距离：黄⾊线

plot(power, g3,'y.')

plot(power[:5], g3[:5],color='y')

# 4.夹⾓余弦距离：⿊⾊线

plot(power, g4,'k.')

plot(power[:5], g4[:5],color='k')

title('Vector distance')

plt.show()

完整代码：

import numpy as np

import numpy

from numpy import*

from PIL import Image

from pylab import*

from sklearn import preprocessing

from scipy.spatial.distance import pdist

from itertools import chain

a=numpy.random.randint(-20,high=160,size=(1,30)) #随机均匀分布a=a/1000