|
Distanzfunktionen oder Ähnlichkeitsmaße beschreiben den Grad der Übereinstimmung von
Vektoren.
In typischen Anwendungen stellen die Vektoren Folgen von Messwerten dar. Ähnlichkeitsmaße werden in Auswertemethoden wie dem
Vektorraum-Retrieval und dem Clustering benutzt.
Als Distanzfunktion lassen sich verschiedene Metriken verwenden.
Distanzfunktionen werden oft auch unpräzise als Metrik bezeichnet; nicht alle Distanzfunktionen sind jedoch Metriken im streng
mathematischen Sinne.
| Inhaltsverzeichnis |
|
1 Häufig verwendete Distanzfunktionen
1.1 Euklidischer Abstand
1.2 City-Block- bzw. Manhattan-Distanz
1.3 Cosinus-Distanzfunktion
1.4 Dice-Distanzfunktion
1.5 Jaccard- (oder Tanimoto)-Distanzfunktion
1.6 Mahalanobis-Distanz
|
Häufig verwendete Distanzfunktionen
Euklidischer Abstand

City-Block- bzw. Manhattan-Distanz

Siehe auch: Normierter Raum
Cosinus-Distanzfunktion
Es wird vorausgesetzt, dass wir einen Vektorraum über den reellen Zahlen haben.
Die Distanz ist der Cosinus des Winkels zwischen den Vektoren
Dabei ist .
Dice-Distanzfunktion

Dabei ist .
Jaccard- (oder Tanimoto)-Distanzfunktion
Mahalanobis-Distanz
|