前言

本文介紹了歐氏距離、曼哈頓距離、切比雪夫距離、余弦距離、閔可夫斯基距離、漢明距離、編輯距離等七種常用距離度量方法的原理、意義與應(yīng)用場(chǎng)景，并提供了 Python 代碼實(shí)現(xiàn)，幫助在數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)與工程實(shí)踐中選擇和使用合適的距離度量方法。

一、 歐式距離

歐氏距離是“直線距離”。在二維或三維空間中，它就是兩個(gè)點(diǎn)之間直接用尺子量出來(lái)的最短距離。

1. 核心思想

它源于歐幾里得的幾何學(xué)，衡量的是空間中兩個(gè)點(diǎn)之間的“真實(shí)”直線長(zhǎng)度。

2. 計(jì)算方法

• 二維空間（平面）：計(jì)算兩個(gè)點(diǎn)橫坐標(biāo)差的平方加上縱坐標(biāo)差的平方，然后取平方根。
• 三維空間：計(jì)算兩個(gè)點(diǎn)橫坐標(biāo)差的平方加上縱坐標(biāo)差的平方再加上豎坐標(biāo)差的平方，然后取平方根。
• N維空間（通用）：計(jì)算兩個(gè)點(diǎn)在各維度上數(shù)值差的平方之和，然后取平方根。

3. 示例代碼

from math import sqrt

def euclidean_distance(p, q):
    """
    計(jì)算歐式距離
    p, q: 相同維度的數(shù)組或列表
    """
    return sqrt(sum((px - qx) ** 2 for px, qx in zip(p, q)))


p = [1, 2, 3]
q = [4, 5, 6]
print(f"歐式距離: {euclidean_distance(p, q)}")

4. 主要特點(diǎn)

• 幾何直觀強(qiáng)：是最自然的距離度量方式，符合日?？臻g感知。
• 各向同性：在各個(gè)方向上具有相同的權(quán)重，適用于度量“真實(shí)”空間距離。
• 對(duì)異常值敏感：由于平方項(xiàng)的存在，個(gè)別維度的大差異會(huì)被放大。
• 計(jì)算復(fù)雜度中等：涉及平方、求和與開(kāi)方運(yùn)算。

5. 常見(jiàn)應(yīng)用場(chǎng)景

• 空間幾何：如計(jì)算兩點(diǎn)之間的實(shí)際距離。
• 機(jī)器學(xué)習(xí)：KNN、K-means等算法中常用的距離度量。
• 圖像處理：如像素之間的顏色距離計(jì)算。
• 數(shù)據(jù)聚類與分類：在特征空間中度量樣本相似性。

二、 曼哈頓距離

曼哈頓距離，也稱為“城市街區(qū)距離”或“L1距離”，是指兩點(diǎn)在標(biāo)準(zhǔn)坐標(biāo)系上的絕對(duì)軸距總和。

1. 核心思想

來(lái)源于在網(wǎng)格狀道路（如曼哈頓街區(qū)）中行走的最短路徑，只能沿著水平和垂直方向移動(dòng)，不能走斜線。

2. 計(jì)算方法

計(jì)算兩個(gè)點(diǎn)在各維度上數(shù)值差的絕對(duì)值之和。

3. 示例代碼

def manhattan_distance(p, q):
    """
    計(jì)算曼哈頓距離
    """
    return sum(abs(px - qx) for px, qx in zip(p, q))

# 示例
p = [1, 2, 3]
q = [4, 5, 6]
print(f"曼哈頓距離: {manhattan_distance(p, q)}")

4. 主要特點(diǎn)

• 非直線路徑：適用于只能沿坐標(biāo)軸方向移動(dòng)的場(chǎng)景。
• 對(duì)異常值不敏感：相比歐氏距離，對(duì)個(gè)別維度的極端值不那么敏感。
• 計(jì)算簡(jiǎn)單高效：僅涉及絕對(duì)值和加法運(yùn)算。

5. 常見(jiàn)應(yīng)用場(chǎng)景

• 路徑規(guī)劃：如城市網(wǎng)格導(dǎo)航、機(jī)器人移動(dòng)規(guī)劃。
• 數(shù)據(jù)挖掘：在某些聚類或分類任務(wù)中，尤其是當(dāng)特征空間具有明顯網(wǎng)格結(jié)構(gòu)時(shí)。
• 圖像處理：如像素距離計(jì)算、圖像壓縮等。

三、 切比雪夫距離

切比雪夫距離，也稱為“棋盤(pán)距離”，是指兩點(diǎn)之間各坐標(biāo)數(shù)值差的最大值。

1. 核心思想

來(lái)源于國(guó)際象棋中“王”的移動(dòng)方式，可以朝任意方向移動(dòng)一格，因此在多維空間中體現(xiàn)為各維度差值中的最大值。

2. 計(jì)算方法

取兩個(gè)點(diǎn)在各維度上數(shù)值差的絕對(duì)值中的最大值。

3. 示例代碼

def chebyshev_distance(p, q):
    """
    計(jì)算切比雪夫距離
    """
    return max(abs(px - qx) for px, qx in zip(p, q))

# 示例
p = [1, 2, 3]
q = [4, 5, 6]
print(f"切比雪夫距離: {chebyshev_distance(p, q)}")

4. 主要特點(diǎn)

• 關(guān)注最大差異：僅由最大差異的維度決定距離。
• 適用于方形鄰域：在多維空間中定義“超立方體”鄰域。
• 計(jì)算簡(jiǎn)單：僅需比較和取最大值。

5. 常見(jiàn)應(yīng)用場(chǎng)景

• 棋盤(pán)類游戲AI：如國(guó)際象棋、圍棋的移動(dòng)判斷。
• 工業(yè)制造：在質(zhì)量控制中檢測(cè)最大偏差。
• 圖像處理：用于邊緣檢測(cè)、形態(tài)學(xué)操作中的鄰域定義。

四、余弦距離

1. 核心思想

余弦距離用于衡量?jī)蓚€(gè)向量在方向上的差異，而不是位置或絕對(duì)長(zhǎng)度。它基于向量夾角的余弦值，適用于高維稀疏向量比較，如文本相似性分析。

2. 計(jì)算方法

1. 計(jì)算兩個(gè)向量的點(diǎn)積（對(duì)應(yīng)元素相乘后求和）
2. 分別計(jì)算兩個(gè)向量的模長(zhǎng)（各元素平方和的平方根）
3. 用點(diǎn)積除以兩個(gè)模長(zhǎng)的乘積，得到余弦相似度
4. 余弦距離 = 1 - 余弦相似度

3. 示例代碼

import numpy as np
from numpy.linalg import norm


def cosine_distance(a, b):
    """
    計(jì)算余弦距離 = 1 - 余弦相似度
    注：對(duì)于零向量，余弦相似度通常定義為0，因此余弦距離為1
    """
    dot_product = np.dot(a, b)
    norm_a = norm(a)
    norm_b = norm(b)

    if norm_a == 0 or norm_b == 0:
        return 1.0  # 零向量的情況

    cosine_sim = dot_product / (norm_a * norm_b)
    return 1.0 - cosine_sim


# 示例
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(f"余弦距離: {cosine_distance(a, b)}")

4. 主要特點(diǎn)

• 方向敏感性：只關(guān)注向量方向，忽略長(zhǎng)度差異
• 適合高維稀疏數(shù)據(jù)：對(duì)文本TF-IDF向量等效果顯著
• 歸一化特性：結(jié)果在[0,2]或[0,1]之間
• 計(jì)算復(fù)雜度：中等，涉及點(diǎn)積和范數(shù)計(jì)算

5. 常見(jiàn)應(yīng)用場(chǎng)景

• 文本相似度計(jì)算（信息檢索、推薦系統(tǒng)）
• 文檔聚類與分類
• 協(xié)同過(guò)濾推薦
• 高維數(shù)據(jù)相似性搜索

五、閔可夫斯基距離

1. 核心思想

閔可夫斯基距離是歐式距離和曼哈頓距離的一般化形式，通過(guò)參數(shù) ( p ) 控制距離的計(jì)算方式。

2. 計(jì)算方法

1. 計(jì)算兩個(gè)點(diǎn)在各維度上數(shù)值差的絕對(duì)值的 p 次方
2. 將這些 p 次方的值求和
3. 對(duì)求和結(jié)果取 p 次方根

3. 特殊情況

• p = 1：曼哈頓距離
• p = 2：歐氏距離
• p → ∞：切比雪夫距離

4. 示例代碼

from math import pow


def minkowski_distance(point1, point2, order=2):
    """
    計(jì)算閔可夫斯基距離

    參數(shù):
    point1, point2: 要比較的點(diǎn)（列表或數(shù)組）
    order: 閔可夫斯基參數(shù)（order=1:曼哈頓，order=2:歐式，order=∞:切比雪夫）
    """
    if order == float('inf'):
        # 切比雪夫距離
        return max(abs(p1 - p2) for p1, p2 in zip(point1, point2))

    sum_power = sum(pow(abs(p1 - p2), order) for p1, p2 in zip(point1, point2))
    return pow(sum_power, 1.0 / order)


# 示例
p = [1, 2, 3]
q = [4, 5, 6]

print(f"閔可夫斯基距離(order=1, 曼哈頓): {minkowski_distance(p, q, order=1)}")
print(f"閔可夫斯基距離(order=2, 歐式): {minkowski_distance(p, q, order=2)}")
print(f"閔可夫斯基距離(order=3): {minkowski_distance(p, q, order=3)}")
print(f"閔可夫斯基距離(order=∞, 切比雪夫): {minkowski_distance(p, q, order=float('inf'))}")

5. 主要特點(diǎn)

• 通用性強(qiáng)：通過(guò)參數(shù)調(diào)節(jié)適應(yīng)不同場(chǎng)景
• 連續(xù)變化：距離特性隨 p 值連續(xù)變化
• 對(duì)異常值的敏感性：當(dāng) p 值較大時(shí)，對(duì)異常值更敏感；p 值較小時(shí)，對(duì)異常值較不敏感。
• 計(jì)算復(fù)雜度：隨 p 變化，一般高于曼哈頓距離

6. 常見(jiàn)應(yīng)用場(chǎng)景

• 機(jī)器學(xué)習(xí)中的距離度量選擇
• 模式識(shí)別與分類
• 參數(shù)化距離分析
• 多準(zhǔn)則決策分析

六、漢明距離

1. 核心思想

漢明距離用于比較兩個(gè)等長(zhǎng)字符串或序列的不同位置數(shù)量，主要用于編碼理論和信息論。

2. 計(jì)算方法

比較兩個(gè)字符串或序列對(duì)應(yīng)位置上的字符或數(shù)值，統(tǒng)計(jì)不相等的位數(shù)的總數(shù)。

3. 示例代碼

def hamming_distance(s1, s2):
    """
    計(jì)算漢明距離（適用于等長(zhǎng)序列）
    """
    if len(s1) != len(s2):
        raise ValueError("序列長(zhǎng)度必須相等")

    return sum(c1 != c2 for c1, c2 in zip(s1, s2))


# 示例（字符串）
s1 = "karolin"
s2 = "kathrin"
print(f"字符串漢明距離: {hamming_distance(s1, s2)}") 

# 示例（二進(jìn)制列表）
binary1 = [1, 0, 1, 0, 1]
binary2 = [0, 1, 0, 1, 0]
print(f"二進(jìn)制漢明距離: {hamming_distance(binary1, binary2)}") 

4. 主要特點(diǎn)

• 離散性：只比較對(duì)應(yīng)位置是否相等
• 簡(jiǎn)單高效：適用于二進(jìn)制或離散數(shù)據(jù)
• 無(wú)方向性：僅計(jì)數(shù)差異，不衡量差異大小

5. 常見(jiàn)應(yīng)用場(chǎng)景

• 錯(cuò)誤檢測(cè)與糾正編碼
• 基因組序列比對(duì)
• 網(wǎng)絡(luò)數(shù)據(jù)包校驗(yàn)
• 二進(jìn)制特征比較

七、編輯距離

1. 核心思想

編輯距離衡量?jī)蓚€(gè)字符串之間的相似度，定義為將一個(gè)字符串轉(zhuǎn)換為另一個(gè)字符串所需的最少編輯操作次數(shù)（插入、刪除、替換）。

2. 計(jì)算方法

使用動(dòng)態(tài)規(guī)劃算法：

1. 創(chuàng)建一個(gè)二維表格，行數(shù)=源字符串長(zhǎng)度+1，列數(shù)=目標(biāo)字符串長(zhǎng)度+1
2. 初始化第一行和第一列（從空字符串轉(zhuǎn)換的代價(jià)）
3. 逐行逐列填充表格：
   • 如果字符相同，直接取左上角值（表示無(wú)需編輯）。
   • 如果字符不同，取左方（刪除）、上方（插入）、左上方（替換）三個(gè)值的最小值加1。
4. 表格右下角的值即為編輯距離

3. 示例代碼

def edit_distance(s1, s2):
    """
    計(jì)算編輯距離（Levenshtein距離）
    """
    m, n = len(s1), len(s2)
    dp = [[0] * (n + 1) for _ in range(m + 1)]
    
    # 初始化邊界條件
    for i in range(m + 1):
        dp[i][0] = i
    for j in range(n + 1):
        dp[0][j] = j
    
    # 動(dòng)態(tài)規(guī)劃填表
    for i in range(1, m + 1):
        for j in range(1, n + 1):
            if s1[i-1] == s2[j-1]:
                dp[i][j] = dp[i-1][j-1]  # 字符相同，無(wú)需編輯
            else:
                dp[i][j] = min(
                    dp[i-1][j] + 1,    # 刪除
                    dp[i][j-1] + 1,    # 插入
                    dp[i-1][j-1] + 1   # 替換
                )
    return dp[m][n]


def normalized_edit_distance(s1, s2):
    """
    計(jì)算歸一化編輯距離（范圍[0, 1]）
    """
    max_len = max(len(s1), len(s2))
    if max_len == 0:
        return 0.0
    return edit_distance(s1, s2) / max_len


# 示例
s1 = "kitten"
s2 = "sitting"
print(f"編輯距離: {edit_distance(s1, s2)}")  # 輸出: 3
print(f"歸一化編輯距離: {normalized_edit_distance(s1, s2):.4f}")  # 輸出: 0.4286

4. 主要特點(diǎn)

• 靈活性強(qiáng)：支持不等長(zhǎng)字符串
• 操作敏感：區(qū)分插入、刪除、替換
• 計(jì)算復(fù)雜度：O(m×n)，可優(yōu)化
• 歸一化版本：編輯距離歸一化到 [0,1] 區(qū)間

5. 常見(jiàn)應(yīng)用場(chǎng)景

• 拼寫(xiě)檢查與糾錯(cuò)
• 生物序列比對(duì)（DNA/蛋白質(zhì)）
• 自然語(yǔ)言處理（文本相似度）
• 模糊字符串匹配（數(shù)據(jù)清洗）
• 語(yǔ)音識(shí)別與語(yǔ)音轉(zhuǎn)換

八、 比較

九、選擇

1. 歐式距離：最自然的空間距離，適用于物理空間或各向同性特征空間
2. 曼哈頓距離：適用于網(wǎng)格路徑、特征獨(dú)立的場(chǎng)景
3. 切比雪夫距離：關(guān)注最大差異的場(chǎng)景，如質(zhì)量控制
4. 余弦距離：適合文本、高維稀疏數(shù)據(jù)的方向比較
5. 閔可夫斯基距離：需要靈活調(diào)整距離特性的參數(shù)化方法
6. 漢明距離：離散序列、編碼、二進(jìn)制數(shù)據(jù)的比較
7. 編輯距離：字符串處理、文本相似度、生物信息學(xué)

不同的距離度量適用于不同的數(shù)據(jù)特性和任務(wù)需求。在實(shí)際應(yīng)用中，通常需要根據(jù)數(shù)據(jù)分布、特征關(guān)系和具體任務(wù)來(lái)選擇合適的距離函數(shù)。

到此這篇關(guān)于Python七種距離度量方法的文章就介紹到這了,更多相關(guān)Python距離度量方法內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論