В мире науки о данных и машинного обучения метрики расстояния играют решающую роль во многих приложениях. Одним из таких показателей является расстояние L1, также известное как Манхэттенское расстояние или расстояние такси. В этой статье блога мы рассмотрим различные методы расчета расстояния L1 и предоставим примеры кода, иллюстрирующие их реализацию. Итак, пристегнитесь и окунёмся в мир дистанции L1!

Метод 1: использование NumPy

NumPy, популярная библиотека числовых вычислений на Python, предоставляет удобный способ вычисления расстояния L1 между двумя векторами. Вы можете использовать функцию numpy.linalg.normс параметром ord=1для расчета нормы L1, которая эквивалентна расстоянию L1. Вот фрагмент кода, который демонстрирует это:

import numpy as np
vector1 = np.array([1, 2, 3])
vector2 = np.array([4, 5, 6])
l1_distance = np.linalg.norm(vector1 - vector2, ord=1)
print("L1 distance:", l1_distance)

Метод 2: использование SciPy

SciPy, еще одна мощная библиотека научных вычислений на Python, предоставляет специализированную функцию под названием scipy.spatial.distance.cityblockдля вычисления расстояния L1. Вот пример того, как вы можете его использовать:

from scipy.spatial.distance import cityblock
vector1 = [1, 2, 3]
vector2 = [4, 5, 6]
l1_distance = cityblock(vector1, vector2)
print("L1 distance:", l1_distance)

Метод 3: использование цикла

Если вы предпочитаете более ручной подход, вы можете вычислить расстояние L1, перебирая элементы векторов и суммируя абсолютные разности. Вот фрагмент кода, демонстрирующий этот метод:

def l1_distance(vector1, vector2):
    distance = 0
    for i in range(len(vector1)):
        distance += abs(vector1[i] - vector2[i])
    return distance
vector1 = [1, 2, 3]
vector2 = [4, 5, 6]
l1_distance = l1_distance(vector1, vector2)
print("L1 distance:", l1_distance)

Метод 4. Использование трансляции NumPy

Функция трансляции NumPy позволяет выполнять поэлементные операции без явных циклов. Эту функцию можно использовать для эффективного расчета расстояния L1. Вот пример:

import numpy as np
vector1 = np.array([1, 2, 3])
vector2 = np.array([4, 5, 6])
l1_distance = np.sum(np.abs(vector1 - vector2))
print("L1 distance:", l1_distance)

В этой статье мы рассмотрели несколько методов расчета расстояния L1 — фундаментального показателя расстояния в науке о данных и машинном обучении. Мы рассмотрели методы использования таких библиотек, как NumPy и SciPy, а также ручные подходы с использованием циклов. Каждый метод имеет свои преимущества и может быть использован в зависимости от ваших конкретных требований. Освоив эти методы, вы сможете эффективно выполнять расчеты расстояний L1 в своих будущих проектах.

Помните, что понимание показателей расстояния, таких как расстояние L1, необходимо для различных задач, включая кластеризацию, классификацию и обнаружение аномалий. Итак, экспериментируйте с этими методами, чтобы углубить свои знания и улучшить навыки анализа данных.