第五章近邻法 /96 是一种分段线性分类器 直接根据训练样本对新样本进行分类
是一种分段线性分类器 直接根据训练样本对新样本进行分类 第五章 近邻法
距离度量 /96 度量D(:,)本质上是一个函数，该函数给出了两个模式之间的标量 距离的大小。一个度量必须满足4个性质： 对于任意的向量a,b,和c,有 o非负性：D(a,b)≥0 自反性：D(a,b)=0当且仅当a=b 对称性：D(a,b)=D(b,a) a三角不等式D(a,b)+D(b,c)≥D(a,c)
距离度量 度量D(· , ·)本质上是一个函数，该函数给出了两个模式之间的标量 距离的大小。一个度量必须满足4个性质： 对于任意的向量a，b，和c，有 非负性：D(a,b) ≥0 自反性：D(a,b)=0 当且仅当 a=b 对称性：D(a,b)=D(b,a) 三角不等式D(a,b)+D(b,c) ≥ D(a,c)
距离度量 966 d维空间中的欧式距离 abN-2a-r 能够满足这些性质
距离度量 d维空间中的欧式距离 能够满足这些性质 ( , ) ( ) 1/2 d 2 k k k 1 D a b a b
距离度量 966 更为一般的d维空间的度量为Minkowski距离度量 4ab-[②a-hrj 通常也被称为L范数 欧式距离就是L,范数
距离度量 更为一般的d维空间的度量为Minkowski距离度量 通常也被称为Lk范数 欧式距离就是L2范数 / ( , ) | | 1 k d k k i i i 1 L a b a b
距离度量 966 L,范数 L/a,b)=>la-bl i三 也被称为Manhattan距离或街区距离、绝对距离 显然，欧式距离和绝对距离是明氏距离的两个特例 手工运算时，为简便起见，通常采用绝对距离
距离度量 L1范数 也被称为Manhattan距离或街区距离、绝对距离 显然，欧式距离和绝对距离是明氏距离的两个特例 手工运算时，为简便起见，通常采用绝对距离 ( , ) | | d 1 i i i 1 L a b a b