偶遇“曼哈顿距离”

本篇博客主要探讨了“曼哈顿距离”的概念和用途。曼哈顿距离，又被称为计程车几何或方格线距离，是由十九世纪的赫尔曼·闵可夫斯基所创辞汇，用以标明两个点上在标准坐标系上的绝对轴距之总和。这种距离的命名源于城市（如曼哈顿）的方格式建筑区块，最短行车路径即为曼哈顿距离。 曼哈顿距离在实际应用中有其优势。例如，在计算性能有限的早期，使用曼哈顿距离可以避免浮点运算的高代价，通过只计算整型和加减，大大提高性能。此外，当数据集具有离散和/或二进制属性时，曼哈顿距离也表现出其优势，因为它考虑到了现实中在这些属性值内可以采取的路径。 然而，曼哈顿距离也存在一些缺点。虽然它对于高维数据似乎还不错，但它是一个比欧几里得距离更不直观的测量方法，尤其是在高维数据中使用时。而且，它比欧几里得距离更容易给出一个更高的距离值，因为它不可能是最短路径。这不一定会带来问题，但你应该考虑到这一点。 那么，你是否了解过曼哈顿距离？你是否在实际应用中使用过它？如果使用过，你是否觉得它比欧几里得距离更有优势？--GPT 4