总结一下推荐系统中常用到一些距离计算公式，即两个向量之间的相似性度量，方便论文答辩以及整理一下思绪。

1. 欧几里得距离(Euclidean Distance）

wiki：http://en.wikipedia.org/wiki/Euclidean_distance

我们小时候学过计算两点之间的距离$d=sqrt{a^2+b^2}$，在欧几里得空间或者是内积空间内也可以用此法来计算

公式：$$a=sqrt{a1}$$,          $a=sqrt{a1,a2,a3…}$

（卧槽原谅我的主机巨慢无比，没办法写文章了，根本打不开预览页面，看不到我写的公式对错与否···贴链接算了，以后换主机，妈蛋）

2.马氏距离(Mahalanobis Distance)

wiki：http://en.wikipedia.org/wiki/Mahalanobis_distance

3.皮尔逊相关系数(Pearson correlation coefficient)

wiki：http://en.wikipedia.org/wiki/Pearson_correlation_coefficient

4.余弦相似度(cosine similarity)

wiki：http://en.wikipedia.org/wiki/Cosine_similarity

5.Jaccard系数(Jaccard coefficient)

wiki：http://en.wikipedia.org/wiki/Jaccard_coefficient

6.Tanimoto系数(又称广义Jaccard系数)(Tanimoto Distance)

wiki：http://en.wikipedia.org/wiki/Tanimoto_coefficient

7.汉明距离(Hamming Distance)

wiki：http://en.wikipedia.org/wiki/Hamming_Distance

8.闵可夫斯基距离(Minkowski Distance)

wiki：http://en.wikipedia.org/wiki/Minkowski_distance

转载请注明：于哲的博客 » Distance Formula