9个数据科学中常见距离度量总结以及优缺点概述( 三 ) 数据派THU来源：DeepHubIMBA

用例
Jaccard索引通常用于使用二进制或二进制数据的应用程序中。当您拥有一个预测图像片段（例如汽车）的深度学习模型时，可以使用Jaccard索引来计算给定真实标签的预测片段的准确性。
同样，它也可以用于文本相似度分析，以衡量文档之间的选词重叠程度。因此，它可以用来比较模式集。
半正矢距离(haversine)

文章图片
Haversine距离是指球面上两个点之间的经度和纬度。它与欧几里得距离非常相似，因为它可以计算两点之间的最短线。主要区别在于不可能有直线，因为这里的假设是两个点都在一个球面上。

文章图片
缺点
这种距离测量的一个缺点是，假定这些点位于一个球体上。实际上，这种情况很少出现，例如，地球不是完美的圆形，在某些情况下可能会使计算变得困难。取而代之的是，将目光转向假定椭圆形的Vincenty距离。
用例
如您所料， Haversine距离通常用于导航。例如，您可以使用它来计算两个国家之间的飞行距离。请注意，如果距离本身不那么大，则不太适合。曲率不会产生太大的影响。
S?rensen-Dice指数

文章图片
S?rensen-Dice指数与Jaccard指数非常相似，它衡量的是样本集的相似性和多样性。尽管它们的计算方法类似，但S?rensen-Dice索引更直观一些，因为它可以被视为两个集合之间重叠的百分比，这是一个介于0和1之间的值。
这个指数在距离度量中很重要，因为它允许更好地使用没有v的度量。
DICE指数是一个用于计算样本集的相似性和多样性的度量。它是交集的大小除以样本集的并集的大小。
实际上，它是集合之间相似实体的总数除以实体的总数。例如，如果两个集合有一个共同的实体，而总共有5个不同的实体，那么DICE指数将是1/5=0.2 。

文章图片
缺点
就像Jaccard指数一样，它们都夸大了很少或没有真值的集合。它可以控制多组平均得分并按相关集合的大小成反比地加权每个项目，而不是平等对待它们。
用例
用例与Jaccard指数相似。您会发现它通常用于图像分割任务或文本相似性分析中。
注意：比这里提到的9种距离测量更多。如果您正在寻找更有趣的指标，我建议您研究以下内容之一：Mahalanobis,Canberra,Braycurtis,andKL-divergence.
原文地址：
【9个数据科学中常见距离度量总结以及优缺点概述】https://towardsdatascience.com/9-distance-measures-in-data-science-918109d069fa