euclidean distance

  • euclidean distance 并不是 similarity，如果要normalize的的话，可以考虑:

    1. z变换，或者最直接的，x-min/max-min
    2. F=1 − exp(−x/λ) where λ is the average distance and x is the distance of the point you are evaluating.

  • euclidean distance转化为similarity的方法其实有不少，具体选用哪个应该根据自己的问题来确定，比如如下的就可以考虑：

    1. $dist=1−sim, dist=1−simsim, dist=\sqrt{1−sim}, dist=−\log(sim)$
    2. $\frac{1}{1+d(p_1, p_2)}$

  • 其实这些就是kernel，因此具体搜索的时候可以检索machine learning kernel来看

  • 真的要完全理解，可以查阅这本书 Encyclopedia of Distances