Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Impara Misure di Distanza | Concetti Fondamentali
Analisi dei Cluster

bookMisure di Distanza

Il clustering raggruppa punti dati simili. Per farlo, è necessario misurare la "distanza" tra i punti. Le misure di distanza indicano quanto i punti dati sono simili o diversi. Scegliere la misura di distanza corretta è fondamentale.

Esamineremo due misure di distanza comuni: distanza euclidea e distanza di Manhattan.

Distanza Euclidea

La distanza euclidea è come misurare la distanza in linea retta tra due punti. Immagina di guardare una mappa e misurare la distanza tra due città in linea d’aria. Questa è la distanza euclidea. È il modo più comune per misurare la distanza.

Pensala semplicemente come la distanza "in linea d’aria". Funziona bene quando si desidera conoscere la distanza diretta e tutte le direzioni sono ugualmente importanti.

Ad esempio, se hai due punti, pensa di usare un righello per misurare direttamente tra di essi.

Distanza di Manhattan

La distanza di Manhattan è come misurare la distanza in una città dove devi camminare lungo gli isolati. Non puoi andare in diagonale attraverso gli edifici; devi camminare lungo le strade. È anche chiamata distanza city block. Questa è esattamente la distanza di Manhattan.

Pensala come camminare tra gli isolati di una città. È utile quando il movimento è limitato alle direzioni orizzontale e verticale, o quando si desidera essere meno sensibili a grandi differenze in una sola direzione.

question mark

Quale misura di distanza è più appropriata quando il movimento è limitato alle direzioni orizzontale e verticale?

Select the correct answer

Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 2. Capitolo 4

Chieda ad AI

expand

Chieda ad AI

ChatGPT

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

Awesome!

Completion rate improved to 2.94

bookMisure di Distanza

Scorri per mostrare il menu

Il clustering raggruppa punti dati simili. Per farlo, è necessario misurare la "distanza" tra i punti. Le misure di distanza indicano quanto i punti dati sono simili o diversi. Scegliere la misura di distanza corretta è fondamentale.

Esamineremo due misure di distanza comuni: distanza euclidea e distanza di Manhattan.

Distanza Euclidea

La distanza euclidea è come misurare la distanza in linea retta tra due punti. Immagina di guardare una mappa e misurare la distanza tra due città in linea d’aria. Questa è la distanza euclidea. È il modo più comune per misurare la distanza.

Pensala semplicemente come la distanza "in linea d’aria". Funziona bene quando si desidera conoscere la distanza diretta e tutte le direzioni sono ugualmente importanti.

Ad esempio, se hai due punti, pensa di usare un righello per misurare direttamente tra di essi.

Distanza di Manhattan

La distanza di Manhattan è come misurare la distanza in una città dove devi camminare lungo gli isolati. Non puoi andare in diagonale attraverso gli edifici; devi camminare lungo le strade. È anche chiamata distanza city block. Questa è esattamente la distanza di Manhattan.

Pensala come camminare tra gli isolati di una città. È utile quando il movimento è limitato alle direzioni orizzontale e verticale, o quando si desidera essere meno sensibili a grandi differenze in una sola direzione.

question mark

Quale misura di distanza è più appropriata quando il movimento è limitato alle direzioni orizzontale e verticale?

Select the correct answer

Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 2. Capitolo 4
some-alt