向量距离与相似度函数

1. 常见的距离计算方式

1.5 海明距离(Hamming Distance)

在信息论中,两个等长字符串之间的海明距离是两个字符串对应位置的不同字符的个数。假设有两个字符串分别是:x =[x 1 ,x 2 ,…,x n ]x=[x1,x2,…,xn]和y =[y 1 ,y 2 ,…,y n ]y=[y1,y2,…,yn],则两者的距离为:

[Hamming\;Distance = \sum\limits_{i = 1}^n {{\rm{II}}} ({x_i} = {y_i})]

其中II II表示指示函数,两者相同为1,否则为0。

Original: https://www.cnblogs.com/beyoncewxm/p/16624618.html
Author: xiaomin_beyonce
Title: 向量距离与相似度函数

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/807666/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

大家都在看

亲爱的 Coder【最近整理,可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球