简单介绍几种常见的距离度量,以及tensorflow中如何实现
目录
- 欧式距离
- 定义
- 计算
- 结果
- 曼哈顿距离
- 定义
- 计算
- 余弦距离
- 定义
- 计算
- 参考
欧式距离
欧氏距离很简单,以向量为例(x1, x2, x3,….,xn),(y1, y2, y3,….,yn),那么其欧氏距离的计算公式如下图所示:
定义
计算
结果
所以Euclidean距离的计算方法就是:
曼哈顿距离
定义
计算
余弦距离
跟Euclidean距离相似,余弦距离也可以用来表征两个向量之间的相似度。
定义
计算
在Dgcnn中,edge-conv中增加余弦距离:
参考
使用TensorFlow实现余弦距离/欧氏距离(Euclidean distance)以及Attention矩阵的计算