Machine learning L1距离何时与KNN中的L2距离具有相似的性能？
这是一个棘手的问题： 假设在KNN中，我们使用了L2距离欧几里德距离。我们还可以使用其他距离度量，如L1距离。如果出现以下情况，则使用L1距离的最近邻分类器的性能不会改变： 通过减去平均值对数据进行预处理。 通过减去平均值并除以标准偏差对数据进行预处理。 数据的坐标轴将旋转。 以上都没有。Machine learning L1距离何时与KNN中的L2距离具有相似的性能？,machine-learning,knn,Machine Learning,Knn,这是一个棘手的问题： 假设在KNN中，我们使用了L2距离欧几里德距离。我们还可以使用其他距离度量，如L1距离。如果出现以下情况，则使用L1距离的最近邻分类器的性能不会改变： 通过减去平均值对数据进行预处理。 通过减去平均值并除以标准偏差对数据进行预处理。 数据的坐标轴将旋转。 以上都没有。 只有2是正确的，因为其他的改变L1距离太多了1、2和3都是正确的 1是平移，3是旋转。它们都不会改变L1距离。因此KNN结果不会改变 2是翻译+比例。虽然L1已更改，但点的相对位置仍然相同。因此，KNN结果与
只有2是正确的，因为其他的改变L1距离太多了1、2和3都是正确的 1是平移，3是旋转。它们都不会改变L1距离。因此KNN结果不会改变 2是翻译+比例。虽然L1已更改，但点的相对位置仍然相同。因此，KNN结果与之前相同