В этой статье мы рассмотрим различные меры расстояния, которые мы будем использовать в машинном обучении. 1. Евклидово расстояние (L2): Евклидово расстояние — наиболее часто используемая мера расстояния. Если мы наблюдаем приведенную выше картину, переменная «d» называется евклидовым расстоянием (L2). Это называется кратчайшим расстоянием от X1 до X2. На рисунке выше у нас есть две функции, f1 и f2, и две точки данных в 2D, X1 и X2. Евклидово расстояние можно сформулировать..

Метрики расстояния являются ключевой частью нескольких алгоритмов машинного обучения . Эти метрики расстояния используются как в обучении с учителем, так и в обучении без учителя, как правило, для вычисления сходства между точками данных. Эффективный показатель расстояния повышает производительность нашей модели машинного обучения, будь то задачи классификации или кластеризации. Допустим, мы хотим создать кластеры, используя Кластеризацию K-средних или Алгоритм k-ближайшего..