Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Oppiskele Etäisyysmittarit | Ydinkäsitteet
Klusterianalyysi

bookEtäisyysmittarit

Klusterointi ryhmittelee samankaltaisia havaintopisteitä. Tämän tekemiseksi täytyy mitata "etäisyys" pisteiden välillä. Etäisyysmittarit kertovat, kuinka samankaltaisia tai erilaisia havaintopisteet ovat. Oikean etäisyysmittarin valinta on tärkeää.

Tarkastelemme kahta yleistä etäisyysmittaria: Euklidinen etäisyys ja Manhattan-etäisyys.

Euklidinen etäisyys

Euklidinen etäisyys on kuin suoran viivan mittaaminen kahden pisteen välillä. Kuvittele katsovasi karttaa ja mittaavasi etäisyyden kahden kaupungin välillä lintujen lentoreittinä. Tämä on euklidinen etäisyys. Se on yleisin tapa mitata etäisyyttä.

Ajattele sitä yksinkertaisesti "lintujen lentoreittinä" mitattuna etäisyytenä. Se toimii hyvin, kun halutaan tietää suora etäisyys ja kaikki suunnat ovat yhtä tärkeitä.

Esimerkiksi, jos sinulla on kaksi pistettä, ajattele käyttäväsi viivainta mitataksesi suoraan niiden välillä.

Manhattan-etäisyys

Manhattan-etäisyys on kuin etäisyyden mittaaminen kaupungissa, jossa täytyy kulkea kortteleita pitkin. Et voi kulkea vinottain rakennusten läpi; sinun täytyy kävellä katuja pitkin. Tätä kutsutaan myös city block -etäisyydeksi. Tämä on juuri Manhattan-etäisyys.

Ajattele sitä kaupungin kortteleilla kävelemisenä. Se on hyödyllinen, kun liikkuminen on rajoitettu vaaka- ja pystysuoriin suuntiin tai kun halutaan olla vähemmän herkkä suurille eroille vain yhdessä suunnassa.

question mark

Mikä etäisyysmitta on sopivin, kun liikkuminen on rajoitettu vaaka- ja pystysuuntiin?

Select the correct answer

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 2. Luku 4

Kysy tekoälyä

expand

Kysy tekoälyä

ChatGPT

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Suggested prompts:

Can you explain the difference between Euclidean and Manhattan distance with an example?

When should I use Euclidean distance versus Manhattan distance in clustering?

Are there other distance measures I should know about?

Awesome!

Completion rate improved to 2.94

bookEtäisyysmittarit

Pyyhkäise näyttääksesi valikon

Klusterointi ryhmittelee samankaltaisia havaintopisteitä. Tämän tekemiseksi täytyy mitata "etäisyys" pisteiden välillä. Etäisyysmittarit kertovat, kuinka samankaltaisia tai erilaisia havaintopisteet ovat. Oikean etäisyysmittarin valinta on tärkeää.

Tarkastelemme kahta yleistä etäisyysmittaria: Euklidinen etäisyys ja Manhattan-etäisyys.

Euklidinen etäisyys

Euklidinen etäisyys on kuin suoran viivan mittaaminen kahden pisteen välillä. Kuvittele katsovasi karttaa ja mittaavasi etäisyyden kahden kaupungin välillä lintujen lentoreittinä. Tämä on euklidinen etäisyys. Se on yleisin tapa mitata etäisyyttä.

Ajattele sitä yksinkertaisesti "lintujen lentoreittinä" mitattuna etäisyytenä. Se toimii hyvin, kun halutaan tietää suora etäisyys ja kaikki suunnat ovat yhtä tärkeitä.

Esimerkiksi, jos sinulla on kaksi pistettä, ajattele käyttäväsi viivainta mitataksesi suoraan niiden välillä.

Manhattan-etäisyys

Manhattan-etäisyys on kuin etäisyyden mittaaminen kaupungissa, jossa täytyy kulkea kortteleita pitkin. Et voi kulkea vinottain rakennusten läpi; sinun täytyy kävellä katuja pitkin. Tätä kutsutaan myös city block -etäisyydeksi. Tämä on juuri Manhattan-etäisyys.

Ajattele sitä kaupungin kortteleilla kävelemisenä. Se on hyödyllinen, kun liikkuminen on rajoitettu vaaka- ja pystysuoriin suuntiin tai kun halutaan olla vähemmän herkkä suurille eroille vain yhdessä suunnassa.

question mark

Mikä etäisyysmitta on sopivin, kun liikkuminen on rajoitettu vaaka- ja pystysuuntiin?

Select the correct answer

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 2. Luku 4
some-alt