One weakness of the basic Euclidean

One weakness of the basic Euclidean and Manhattan distance functions is that if one of the input variables
has a relatively large range, then it can overpower the other input variables. For example, suppose an
application has just two input attributes, f and g. If f can have values from 1 to 1000 and g has values only
from 1 to 10, then g’s influence on the distance function will usually be overpowered by f’s influence

ผลลัพธ์ (ไทย) 1:

จุดอ่อนหนึ่งของพื้นฐาน Euclidean และฟังก์ชันห่างจากแมนฮัตตัน ว่าถ้าตัวแปรอินพุตหนึ่งมีช่วงค่อนข้างมาก แล้วก็สามารถเอาชนะตัวแปรอินพุต ตัวอย่าง การโปรแกรมประยุกต์มีคุณลักษณะเพียงสองอินพุต f และ g ถ้า f มี ค่าจาก 1 ถึง 1000 และ g มีค่าเท่านั้น1-10 แล้วอิทธิพล g's ฟังก์ชันระยะทางจะมักจะกำ โดยอิทธิพล f's

ผลลัพธ์ (ไทย) 3:

จุดอ่อนอย่างหนึ่งของใช้พื้นฐานและแมนฮัตตันฟังก์ชันระยะทางคือว่าถ้าหนึ่งในตัวแปร
มีช่วงที่ค่อนข้างใหญ่ ก็สามารถเอาชนะ ตัวแปรอื่น ๆใส่ ตัวอย่างเช่น สมมติว่ามีการป้อนข้อมูล
มีเพียงสองของ f และ g ถ้า F จะมีค่าตั้งแต่ 1 ถึง 1 , 000 กรัมได้ค่าเดียว
จาก 1 ถึง 10แล้วจีมีอิทธิพลต่อฟังก์ชันระยะทางมักจะสู้ความ F อิทธิพล