扫二维码下载作业帮
拍照搜题，秒出答案，一键查看所有搜题记录
下载作业帮安装包
扫二维码下载作业帮
拍照搜题，秒出答案，一键查看所有搜题记录
三维空间座标两点间距离公式
作业帮用户
扫二维码下载作业帮
拍照搜题，秒出答案，一键查看所有搜题记录
记A(x1,y1,z1),B(x2,y2,z2),则A,B之间的距离为 d=√[(x1-x2)^2+(y1-y2)^2+(z1-z2)^2]
为您推荐：
其他类似问题
设点M(x1,y1,z1)，点N(x2,y2,z2)则MN距离=根号下[(x1-x2)^2+(y1-y2)^2+(z1-z2)^2]
扫描下载二维码35被浏览3,599分享邀请回答398 条评论分享收藏感谢收起3添加评论分享收藏感谢收起云栖社区(yq.aliyun.com)为您免费提供两点间距离相关的问答和话题，云栖社区以分享专业、优质、高效的技术为己任，帮助技术人快速成长与发展!&&&&&&& 计算推荐对象的内容特征和用户模型中兴趣特征二者之间的相似性是推荐算法中一个关键部分 ,相似性的度量可以通过计算距离来实现
在做很多研究问题时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。
　　本文的目的就是对常用的相似性度量作一个总结。
本文目录：
1. 欧氏距离
2. 曼哈顿距离
3. 切比雪夫距离
4. 闵可夫斯基距离
5. 标准化欧氏距离
6. 马氏距离
7. 夹角余弦
8. 汉明距离
9. 杰卡德距离 & 杰卡德相似系数
10. 相关系数 & 相关距离
11. 信息熵
1.&欧氏距离(Euclidean Distance)
&&&&&& 欧氏距离是最易于理解的一种距离计算方法，源自欧氏空间中两点间的距离公式。
(1)二维平面上两点a(x1,y1)与b(x2,y2)间的欧氏距离：
(2)三维空间两点a(x1,y1,z1)与b(x2,y2,z2)间的欧氏距离：
(3)两个n维向量a(x11,x12,…,x1n)与 b(x21,x22,…,x2n)间的欧氏距离：
　　也可以用表示成向量运算的形式：
(4)Matlab计算欧氏距离
Matlab计算距离主要使用pdist函数。若X是一个M×N的矩阵，则pdist(X)将X矩阵M行的每一行作为一个N维向量，然后计算这M个向量两两间的距离。
例子：计算向量(0,0)、(1,0)、(0,2)两两间的欧式距离
X = [0 0 ; 1 0 ; 0 2]
D = pdist(X,'euclidean')
&&& 1.0000&&& 2.0000&&& 2.2361
2.&曼哈顿距离(Manhattan Distance)
&&&&&& 从名字就可以猜出这种距离的计算方法了。想象你在曼哈顿要从一个十字路口开车到另外一个十字路口，驾驶距离是两点间的直线距离吗？显然不是，除非你能穿越大楼。实际驾驶距离就是这个“曼哈顿距离”。而这也是曼哈顿距离名称的来源， 曼哈顿距离也称为城市街区距离(City Block distance)。
(1)二维平面两点a(x1,y1)与b(x2,y2)间的曼哈顿距离
(2)两个n维向量a(x11,x12,…,x1n)与 b(x21,x22,…,x2n)间的曼哈顿距离
(3) Matlab计算曼哈顿距离
例子：计算向量(0,0)、(1,0)、(0,2)两两间的曼哈顿距离
X = [0 0 ; 1 0 ; 0 2]
D = pdist(X, 'cityblock')
&&&& 1&&&& 2&&&& 3
3.&切比雪夫距离&( Chebyshev Distance )
&&&&&& 国际象棋玩过么？国王走一步能够移动到相邻的8个方格中的任意一个。那么国王从格子(x1,y1)走到格子(x2,y2)最少需要多少步？自己走走试试。 你会发现最少步数总是max( | x2-x1 | , | y2-y1 | ) 步 。有一种类似的一种距离度量方法叫切比雪夫距离。
(1)二维平面两点a(x1,y1)与b(x2,y2)间的切比雪夫距离
(2)两个n维向量a(x11,x12,…,x1n)与 b(x21,x22,…,x2n)间的切比雪夫距离
　　这个公式的另一种等价形式是
&&&&&& 看不出两个公式是等价的？提示一下：试试用放缩法和夹逼法则来证明。
(3)Matlab计算切比雪夫距离
例子：计算向量(0,0)、(1,0)、(0,2)两两间的切比雪夫距离
X = [0 0 ; 1 0 ; 0 2]
D = pdist(X, 'chebychev')
&&&& 1&&&& 2&&&& 2
4.&闵可夫斯基距离(Minkowski Distance)
闵氏距离不是一种距离，而是一组距离的定义。
(1) 闵氏距离的定义
&&&&&& 两个n维变量a(x11,x12,…,x1n)与 b(x21,x22,…,x2n)间的闵可夫斯基距离定义为：
其中p是一个变参数。
当p=1时，就是曼哈顿距离
当p=2时，就是欧氏距离
当p→∞时，就是切比雪夫距离
&&&&&& 根据变参数的不同，闵氏距离可以表示一类的距离。
(2)闵氏距离的缺点
　　闵氏距离，包括曼哈顿距离、欧氏距离和切比雪夫距离都存在明显的缺点。
　　举个例子：二维样本(身高,体重)，其中身高范围是150~190，体重范围是50~60，有三个样 本：a(180,50)，b(190,50)，c(180,60)。那么a与b之间的闵氏距离（无论是曼哈顿距离、欧氏距离或切比雪夫距离）等于a与c之 间的闵氏距离，但是身高的10cm真的等价于体重的10kg么？因此用闵氏距离来衡量这些样本间的相似度很有问题。
&&&&&& 简单说来，闵氏距离的缺点主要有两个：(1)将各个分量的量纲(scale)，也就是“单位”当作相同的看待了。(2)没有考虑各个分量的分布（期望，方差等)可能是不同的。
(3)Matlab计算闵氏距离
例子：计算向量(0,0)、(1,0)、(0,2)两两间的闵氏距离（以变参数为2的欧氏距离为例）
X = [0 0 ; 1 0 ; 0 2]
D = pdist(X,'minkowski',2)
&&& 1.0000&&& 2.0000&&& 2.2361
5.&标准化欧氏距离&(Standardized Euclidean distance )
(1)标准欧氏距离的定义
　　标准化欧氏距离是针对简单欧氏距离的缺点而作的一种改进方案。标准欧氏距离的思路：既然数据各维分量的分布不一样，好吧！那我先将各个分量都“标准 化”到均值、方差相等吧。均值和方差标准化到多少呢？这里先复习点统计学知识吧，假设样本集X的均值(mean)为m，标准差(standard deviation)为s，那么X的“标准化变量”表示为：
　　而且标准化变量的数学期望为0，方差为1。因此样本集的标准化过程(standardization)用公式描述就是：
　　标准化后的值 =& ( 标准化前的值& － 分量的均值 ) /分量的标准差
　　经过简单的推导就可以得到两个n维向量a(x11,x12,…,x1n)与 b(x21,x22,…,x2n)间的标准化欧氏距离的公式：
　　如果将方差的倒数看成是一个权重，这个公式可以看成是一种加权欧氏距离(Weighted Euclidean distance)。
(2)Matlab计算标准化欧氏距离
例子：计算向量(0,0)、(1,0)、(0,2)两两间的标准化欧氏距离 (假设两个分量的标准差分别为0.5和1)
X = [0 0 ; 1 0 ; 0 2]
D = pdist(X, 'seuclidean',[0.5,1])
&&& 2.0000&&& 2.0000&&& 2.8284
6.&马氏距离(Mahalanobis Distance)
（1）马氏距离定义
&&&&&& 有M个样本向量X1~Xm，协方差矩阵记为S，均值记为向量μ，则其中样本向量X到u的马氏距离表示为：
&&&&&& 而其中向量Xi与Xj之间的马氏距离定义为：
&&&&&& 若协方差矩阵是单位矩阵（各个样本向量之间独立同分布）,则公式就成了：
&&&&&& 也就是欧氏距离了。
　　若协方差矩阵是对角矩阵，公式变成了标准化欧氏距离。
(2)马氏距离的优缺点：量纲无关，排除变量之间的相关性的干扰。
(3) Matlab计算(1 2)，( 1 3)，( 2 2)，( 3 1)两两之间的马氏距离
X = [1 2; 1 3; 2 2; 3 1]
Y = pdist(X,'mahalanobis')
&&& 2.3452&&& 2.0000&&& 2.3452&&& 1.2247&&& 2.4495&&& 1.2247
7.&夹角余弦(Cosine)
&&&&&& 有没有搞错，又不是学几何，怎么扯到夹角余弦了？各位看官稍安勿躁。几何中夹角余弦可用来衡量两个向量方向的差异，中借用这一概念来衡量样本向量之间的差异。
(1)在二维空间中向量A(x1,y1)与向量B(x2,y2)的夹角余弦公式：
(2) 两个n维样本点a(x11,x12,…,x1n)和b(x21,x22,…,x2n)的夹角余弦
&&&&&& 类似的，对于两个n维样本点a(x11,x12,…,x1n)和b(x21,x22,…,x2n)，可以使用类似于夹角余弦的概念来衡量它们间的相似程度。
&&&&&& 夹角余弦取值范围为[-1,1]。夹角余弦越大表示两个向量的夹角越小，夹角余弦越小表示两向量的夹角越大。当两个向量的方向重合时夹角余弦取最大值1，当两个向量的方向完全相反夹角余弦取最小值-1。
&&&&&& 夹角余弦的具体应用可以参阅参考文献[1]。
借助三维坐标系来看下欧氏距离和余弦相似度的区别：
根据欧氏距离和余弦相似度各自的计算方式和衡量特征，分别适用于不同的数 据分析模型：欧氏距离能够体现个体数值特征的绝对差异，所以更多的用于需要从维度的数值大小中体现差异的分析，如使用用户行为指标分析用户价值的相似度或 差异；而余弦相似度更多的是从方向上区分差异，而对绝对的数值不敏感，更多的用于使用用户对内容评分来区分用户兴趣的相似度和差异，同时修正了用户间可能 存在的度量标准不统一的问题（因为余弦相似度对绝对数值不敏感）。
(3)Matlab计算夹角余弦
例子：计算(1,0)、( 1,1.732)、( -1,0)两两间的夹角余弦
X = [1 0 ; 1 1.732 ; -1 0]
D = 1- pdist(X, 'cosine')& % Matlab中的pdist(X, 'cosine')得到的是1减夹角余弦的值
&&& 0.5000&& -1.0000&& -0.5000
8.&汉明距离(Hamming distance)
(1)汉明距离的定义
&&&&&& 两个等长字符串s1与s2之间的汉明距离定义为将其中一个变为另外一个所需要作的最小替换次数。例如字符串“1111”与“1001”之间的汉明距离为2。
&&&&&& 应用：信息编码（为了增强容错性，应使得编码间的最小汉明距离尽可能大）。
(2)Matlab计算汉明距离
　　Matlab中2个向量之间的汉明距离的定义为2个向量不同的分量所占的百分比。
&&&&&& 例子：计算向量(0,0)、(1,0)、(0,2)两两间的汉明距离
X = [0 0 ; 1 0 ; 0 2];
D = PDIST(X, 'hamming')
&&& 0.5000&&& 0.5000&&& 1.0000
9.&杰卡德相似系数(Jaccard similarity coefficient)
(1) 杰卡德相似系数
&&&&&& 两个集合A和B的交集元素在A，B的并集中所占的比例，称为两个集合的杰卡德相似系数，用符号J(A,B)表示。
　　杰卡德相似系数是衡量两个集合的相似度一种指标。
(2) 杰卡德距离
&&&&&& 与杰卡德相似系数相反的概念是杰卡德距离(Jaccard distance)。杰卡德距离可用如下公式表示：
　　杰卡德距离用两个集合中不同元素占所有元素的比例来衡量两个集合的区分度。
(3) 杰卡德相似系数与杰卡德距离的应用
&&&&&& 可将杰卡德相似系数用在衡量样本的相似度上。
　　样本A与样本B是两个n维向量，而且所有维度的取值都是0或1。例如：A(0111)和B(1011)。我们将样本看成是一个集合，1表示集合包含该元素，0表示集合不包含该元素。
p ：样本A与B都是1的维度的个数
q ：样本A是1，样本B是0的维度的个数
r ：样本A是0，样本B是1的维度的个数
s ：样本A与B都是0的维度的个数
那么样本A与B的杰卡德相似系数可以表示为：
这里p+q+r可理解为A与B的并集的元素个数，而p是A与B的交集的元素个数。
而样本A与B的杰卡德距离表示为：
(4)Matlab 计算杰卡德距离
Matlab的pdist函数定义的杰卡德距离跟我这里的定义有一些差别，Matlab中将其定义为不同的维度的个数占“非全零维度”的比例。
例子：计算(1,1,0)、(1,-1,0)、(-1,1,0)两两之间的杰卡德距离
X = [1 1 0; 1 -1 0; -1 1 0]
D = pdist( X , 'jaccard')
0.5000&&& 0.5000&&& 1.0000
10.&相关系数&( Correlation coefficient )与相关距离(Correlation distance)
(1) 相关系数的定义
相关系数是衡量随机变量X与Y相关程度的一种方法，相关系数的取值范围是[-1,1]。相关系数的绝对值越大，则表明X与Y相关度越高。当X与Y线性相关时，相关系数取值为1（正线性相关）或-1（负线性相关）。
(2)相关距离的定义
(3)Matlab计算(1, 2 ,3 ,4 )与( 3 ,8 ,7 ,6 )之间的相关系数与相关距离
X = [1 2 3 4 ; 3 8 7 6]
C = corrcoef( X' )&& %将返回相关系数矩阵
D = pdist( X , 'correlation')
&&& 1.0000&&& 0.4781
&&& 0.4781&&& 1.0000
&&&&& 其中0.4781就是相关系数，0.5219是相关距离。
11.&信息熵(Information Entropy)
&&&&&& 信息熵并不属于一种相似性度量。那为什么放在这篇文章中啊？这个。。。我也不知道。 (╯▽╰)
信息熵是衡量分布的混乱程度或分散程度的一种度量。分布越分散(或者说分布越平均)，信息熵就越大。分布越有序（或者说分布越集中），信息熵就越小。
&&&&&& 计算给定的样本集X的信息熵的公式：
参数的含义：
n：样本集X的分类数
pi：X中第i类元素出现的概率
&&&&&& 信息熵越大表明样本集S分类越分散，信息熵越小则表明样本集X分类越集中。。当S中n个分类出现的概率一样大时（都是1/n），信息熵取最大值log2(n)。当X只有一个分类时，信息熵取最小值0
阅读(...) 评论()两点间距离公式-百度贴吧
两点间距离公式专题两点间距离公式相关贴子有两个向量a1,a2...a70 b1,b2,......b70 他们两个的马氏距离怎么求想请教大家一个问题问题，现在我知道百度的经纬度，计算两点之间的真实距离（比如两个公交站之间的真实距离，我有这两个公交站之间所有点的百度经纬度例如：先介绍一些球面的基本概念： 如下图所示： 如图所示为天球面： O为球心，P为北极点，S为春分点（黄赤就是这个111×Bcosa请问哪位知道第一步怎么得到第二步的？麻烦可以写出来步骤吗？根号下计算都忘完了。。谢谢y^2=2px中p为焦点到准线的距离，图形上的任意两点AB之间的距离L的公式是L=X1+X2+P对吗？求两点间距离公式一楼给度娘一楼给度娘RT 就那个1+K²什么的 是通用的吗 不只是在圆锥曲线弦长里面 平面内任意两点最后划到（x1-x2）∧2（4p∧2＋1）后无法计算了 可最终结果大家都知道是｜AB｜＝x1＋x2＋p 有解出来的大神吗？这个方法也是数学课本要求的哦李秉泉写了一篇关于空间两点距离公式的文章， 他向祖国汇报，那是他的一点数学小发现； 两点间距离公式应该是从国外传向中国的， 中学经常要学，中学到底怎么用 实在不会 还有2天中考不高兴开uc查求解求各位大神指教： VB求点到两点间连线距离的公式 比如有三个点（a,b)、(x0,y0)、(xm,ym)。求点（a,b)到(x0,y0)、(xm,ym)连线距离的表达式。要能直接运 有未知数的情况下怎么解 p1(3，0) p2(1，y) 要使他们之间距离为3倍根号2 我带入完就不知道怎么解了 初三的题当两点在坐标轴或平行于(垂直线)坐标轴的直线上时,两点之间距离公式可表示成|x2-x|（此时y1=y2)或|y2-y1|（此时x1=x2),该两点所在的直线到X轴的距离等如题dx = x2 - x1； dy = y2 - y1； dist = Math.sqrt(dx*dx+dy*dy)总算有了 考研重点公式哦 小学学造句。。。。我一个同学自豪的教给我们几个神一样的 公式。。。。 例如：老师告诉我们用&例请问大佬第三个怎么求……直接用公式的话积分怎么积? 问一下大家。。免公式卖出去1100的装备，扣除手续费和提现手续费，到账能有多少钱啊π（N）≈[N/2×2/3×4/5×6/7×10/11×···×pr-1/ Pr]+r-1 G(1+1)≈[n/2×1/3×3/5×5/7×9/11×···×pr-2/ Pr]+b-1 ( N= Pr ·Pr 2n= Pr求解: 问题描述 Fibonacci数列的递推公式为：Fn=Fn-1+Fn-2，其中F1=F2=1。 当n比较大时，Fn也非常大，现在我们想心血来潮怼91弹……来了80+发，就一个，有没有狙击公式
550块钱 赌徒迷信的是运气赌场相信的是数学赌王何鸿燊接手葡京赌场时，业务蒸蒸日上，但理性的赌王仍然忐忑长白天池149，在免公式。有喜欢的吧友去看一下。我qq
橙色面有蓝绿两组F2L，有没有什么好的方法不打乱他们做出cross？悟道5层，这是螃蟹卡属性，不变卡大概是9.4或者9.5左右伤害，两套属性力和力敏的，变身卡30多张大部分好像要独角兽小姐姐啊，哪个大佬给个独角兽公式啊德格拉斯用什么公式好出啊？时间多少？望大佬们告知，谢谢2015这个区免公式列表，有一个69级的号带的133级的水晶豹。什么情况，不信现在可以去看 我已经不知道赌了多少发（poi上找来找去也只有10次，剩下的都是在手机上赌的），大凤从0号机赌到5号机复合函数分部积分？ 复合函数能分部积分么？公式和基本的是一样的么？打电话问过客服。客服也说不知道。长宽高想乘除1万2还是除6000?额……咸鱼回坑……现在都能直接建造敌军了？圣诞公式，建造时间24小时本帖分享本人在股市得出得公式和经验，希望能共同进步！明明白白的计算公式，不加时间点开奖的网站。http://www.wqqwq.com时间是东八区下午5点开始（有点早耶 持续2小时左右 其中有新主人公之一的CV市ノ瀬加那出场 还会公布C93求这几个仪器的计算公式和操作方法首页上一页12345下一页尾页两点间距离公式相关最新回复贴子热门贴子贴吧热议榜1145.85万277.79万377.13万475.25万574.74万674.32万774.30万874.26万974.25万1074.25万专题推荐最新专题贴吧推荐两点间距离公式专题频道，为您提供优质的两点间距离公式帖子，在这里您可以找到关于两点间距离公式非常实用的相关信息及问题，您还可以在两点间距离公式专题频道进行讨论及网友间的互动。