Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprenda Medidas de Distância | Conceitos Centrais
Análise de Clusters

bookMedidas de Distância

A clusterização agrupa pontos de dados semelhantes. Para isso, é necessário medir a "distância" entre os pontos. As medidas de distância indicam o quão semelhantes ou diferentes os pontos de dados são. A escolha da medida de distância adequada é importante.

Serão apresentadas duas medidas de distância comuns: distância Euclidiana e distância Manhattan.

Distância Euclidiana

A distância Euclidiana é semelhante a medir a distância em linha reta entre dois pontos. Imagine observar um mapa e medir a distância entre duas cidades em linha reta. Essa é a distância Euclidiana. É a forma mais comum de medir distância.

Pense nela simplesmente como a distância "em linha reta". Funciona bem quando se deseja saber a distância direta e todas as direções têm a mesma importância.

Por exemplo, se houver dois pontos, imagine usar uma régua para medir diretamente entre eles.

Distância Manhattan

A distância Manhattan é semelhante a medir a distância em uma cidade onde é preciso caminhar pelos quarteirões. Você não pode atravessar diagonalmente os edifícios; é necessário seguir pelas ruas. Também é chamada de distância city block. Essa é exatamente a distância Manhattan.

Pense nela como caminhar pelos quarteirões de uma cidade. É útil quando o deslocamento é restrito às direções horizontal e vertical, ou quando se deseja menor sensibilidade a grandes diferenças em apenas uma direção.

question mark

Qual medida de distância é mais apropriada quando o movimento é restrito às direções horizontal e vertical?

Select the correct answer

Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 2. Capítulo 4

Pergunte à IA

expand

Pergunte à IA

ChatGPT

Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo

Awesome!

Completion rate improved to 2.94

bookMedidas de Distância

Deslize para mostrar o menu

A clusterização agrupa pontos de dados semelhantes. Para isso, é necessário medir a "distância" entre os pontos. As medidas de distância indicam o quão semelhantes ou diferentes os pontos de dados são. A escolha da medida de distância adequada é importante.

Serão apresentadas duas medidas de distância comuns: distância Euclidiana e distância Manhattan.

Distância Euclidiana

A distância Euclidiana é semelhante a medir a distância em linha reta entre dois pontos. Imagine observar um mapa e medir a distância entre duas cidades em linha reta. Essa é a distância Euclidiana. É a forma mais comum de medir distância.

Pense nela simplesmente como a distância "em linha reta". Funciona bem quando se deseja saber a distância direta e todas as direções têm a mesma importância.

Por exemplo, se houver dois pontos, imagine usar uma régua para medir diretamente entre eles.

Distância Manhattan

A distância Manhattan é semelhante a medir a distância em uma cidade onde é preciso caminhar pelos quarteirões. Você não pode atravessar diagonalmente os edifícios; é necessário seguir pelas ruas. Também é chamada de distância city block. Essa é exatamente a distância Manhattan.

Pense nela como caminhar pelos quarteirões de uma cidade. É útil quando o deslocamento é restrito às direções horizontal e vertical, ou quando se deseja menor sensibilidade a grandes diferenças em apenas uma direção.

question mark

Qual medida de distância é mais apropriada quando o movimento é restrito às direções horizontal e vertical?

Select the correct answer

Tudo estava claro?

Como podemos melhorá-lo?

Obrigado pelo seu feedback!

Seção 2. Capítulo 4
some-alt