用Numpy手写各种距离度量

文章预览

点击上方 “ 小白学视觉 ”，选择加"星标"或“置顶” 重磅干货，第一时间送达 本文用Numpy实现了常见的几种距离度量。 设 和 为两个向量，求它们之间的距离。 这里用Numpy实现，设 和 为 ndarray ，它们的shape都是 (N,) 为所求的距离，是个浮点数（ float ）。 import  numpy  as  np 1.欧氏距离(Euclidean distance) 欧几里得度量（euclidean metric）（也称欧氏距离）是一个通常采用的距离定义，指在m维空间中两个点之间的真实距离，或者向量的自然长度（即该点到原点的距离）。在二维和三维空间中的欧氏距离就是两点之间的实际距离。 def   euclidean (x, y) :      return  np.sqrt(np.sum((x - y)** 2 )) 2.曼哈顿距离(Manhattan distance) 想象你在曼哈顿要从一个十字路口开车到另外一个十字路口，驾驶距离是两点间的直线距离吗？显然不是，除非你能穿越大楼。实际驾驶距 ………………………………