大数据十大经典算法讲解(ppt 33张)
大数据十大经典算法SVM-讲解PPT
contents
目录
• 引言 • SVM基本原理 • SVM模型构建与优化 • SVM在大数据处理中的应用 • SVM算法实现与编程实践 • SVM算法性能评估与改进 • 总结与展望
01 引言
算法概述
SVM（Support Vector Machine，支持向量机）是一种监督学习模型，用于数据 分类和回归分析。
性能评估方法
01
准确率评估
通过计算模型在测试集上的准确率来评估SVM算法的性能，准确率越
高，说明模型分类效果越好。
02
混淆矩阵评估
通过构建混淆矩阵，可以计算出精确率、召回率、F1值等指标，更全面
地评估SVM算法的性能。
03
ROC曲线和AUC值评估
通过绘制ROC曲线并计算AUC值，可以评估SVM算法在不同阈值下的
核函数是SVM的重要组成部分 ，可将数据映射到更高维的空 间，使得原本线性不可分的数 据变得线性可分。常见的核函 数有线性核、多项式核、高斯 核等。
SVM的性能受参数影响较大， 如惩罚因子C、核函数参数等 。通过交叉验证、网格搜索等 方法可实现SVM参数的自动调 优，提高模型性能。
SVM在文本分类、图像识别、 生物信息学等领域有广泛应用 。通过具体案例，可深入了解 SVM的实际应用效果。
SVM算法实现步骤
模型选择
选择合适的SVM模型，如CSVM、ν-SVM或One-class SVM等。
模型训练
使用准备好的数据集对SVM模 型进行训练，得到支持向量和 决策边界。
数据准备
准备用于训练的数据集，包括 特征提取和标签分配。
参数设置
设置SVM模型的参数，如惩罚 系数C、核函数类型及其参数 等。
大数据十大经典算法kNN讲解
可解释性差
KNN算法的分类结果只依赖于最近 邻的样本，缺乏可解释性。
无法处理高维数据
随着维度的增加，数据点之间的距离 计算变得复杂，KNN算法在高维空 间中的性能会受到影响。
对参数选择敏感
KNN算法中需要选择合适的K值，不 同的K值可能会影响分类结果。
04
KNN算法的改进与优化
基于距离度量的优化
与神经网络算法的比较
神经网络算法
神经网络算法是一种监督学习算法，通过训练神经元之间的权重来学习数据的内 在规律。神经网络算法在处理大数据集时需要大量的计算资源和时间，因为它的 训练过程涉及到复杂的迭代和优化。
KNN算法
KNN算法的训练过程相对简单，不需要进行复杂的迭代和优化。此外，KNN算 法对于数据的分布和规模不敏感，因此在处理不同规模和分布的数据集时具有较 好的鲁棒性。
对数据分布不敏感
KNN算法对数据的分布不敏感， 因此对于非线性问题也有较好 的分类效果。
简单直观
KNN算法原理简单，实现直观， 易于理解。
分类准确度高
基于实例的学习通常比基于规 则或判别式的学习更为准确。
对异常值不敏感
由于KNN基于实例的学习方式， 异常值对分类结果影响较小。
缺点
计算量大
KNN算法需要计算样本与所有数据 点之间的距离，因此在大规模数据集 上计算量较大。
欧氏距离
适用于数据特征呈正态分布的情况，但在非 线性可分数据上表现不佳。
余弦相似度
适用于高维稀疏数据，能够处理非线性可分 问题。
曼哈顿距离
适用于网格结构的数据，但在高维数据上计 算量大。
皮尔逊相关系数
适用于衡量两组数据之间的线性关系。
K值选择策略的优化
十大经典大数据算法
十大经典大数据算法大数据算法是指应用于大规模数据集的算法，旨在从这些数据中提取有价值的信息和洞察力。
下面是十大经典大数据算法的介绍：1. MapReduce算法：MapReduce是一种用于处理大规模数据集的编程模型，它将任务分成多个子任务并在分布式计算环境中并行执行。
这种算法在Google的大数据处理框架Hadoop中得到广泛应用。
2. PageRank算法：PageRank是一种用于评估网页重要性的算法，通过分析网页之间的链接关系来确定网页的排名。
它在谷歌搜索引擎的排名算法中起到了重要作用。
3. Apriori算法：Apriori算法用于挖掘关联规则，通过发现数据集中的频繁项集来识别项目之间的关联。
该算法在市场篮子分析和推荐系统中有广泛应用。
4. k-means算法：k-means算法是一种聚类算法，用于将数据集划分为k个不重叠的簇。
该算法在数据挖掘和图像分析中常用于聚类分析。
5. 随机森林算法：随机森林是一种集成学习算法，通过构建多个决策树并对它们的结果进行投票来进行分类或回归。
该算法在数据挖掘和机器学习中常用于分类和预测问题。
6. SVM算法：支持向量机（SVM）是一种监督学习算法，用于进行分类和回归分析。
它通过构建一个最优的超平面来将不同类别的样本分开。
7. LDA算法：潜在狄利克雷分配（LDA）是一种用于主题建模的生成模型，用于从文本数据中发现隐藏的主题结构。
该算法在自然语言处理和信息检索中有广泛应用。
8. 特征选择算法：特征选择是一种用于从数据集中选择最相关特征的方法。
常用的特征选择算法包括信息增益、卡方检验和互信息等。
9. 随机梯度下降算法：随机梯度下降是一种用于优化模型参数的迭代优化算法。
该算法通过计算损失函数的梯度来更新模型参数，从而最小化损失函数。
10. 奇异值分解算法：奇异值分解（SVD）是一种矩阵分解方法，用于降低数据维度和提取数据的主要特征。
该算法在推荐系统和图像处理中常用于降维和特征提取。
十大经典排序算法（动图演示）
⼗⼤经典排序算法（动图演⽰）0、算法概述0.1 算法分类⼗种常见排序算法可以分为两⼤类：⽐较类排序：通过⽐较来决定元素间的相对次序，由于其时间复杂度不能突破O(nlogn)，因此也称为⾮线性时间⽐较类排序。
⾮⽐较类排序：不通过⽐较来决定元素间的相对次序，它可以突破基于⽐较排序的时间下界，以线性时间运⾏，因此也称为线性时间⾮⽐较类排序。
0.2 算法复杂度0.3 相关概念稳定：如果a原本在b前⾯，⽽a=b，排序之后a仍然在b的前⾯。
不稳定：如果a原本在b的前⾯，⽽a=b，排序之后 a 可能会出现在 b 的后⾯。
时间复杂度：对排序数据的总的操作次数。
反映当n变化时，操作次数呈现什么规律。
空间复杂度：是指算法在计算机内执⾏时所需存储空间的度量，它也是数据规模n的函数。
1、冒泡排序（Bubble Sort）冒泡排序是⼀种简单的排序算法。
它重复地⾛访过要排序的数列，⼀次⽐较两个元素，如果它们的顺序错误就把它们交换过来。
⾛访数列的⼯作是重复地进⾏直到没有再需要交换，也就是说该数列已经排序完成。
这个算法的名字由来是因为越⼩的元素会经由交换慢慢“浮”到数列的顶端。
1.1 算法描述⽐较相邻的元素。
如果第⼀个⽐第⼆个⼤，就交换它们两个；对每⼀对相邻元素作同样的⼯作，从开始第⼀对到结尾的最后⼀对，这样在最后的元素应该会是最⼤的数；针对所有的元素重复以上的步骤，除了最后⼀个；重复步骤1~3，直到排序完成。
1.2 动图演⽰1.3 代码实现function bubbleSort(arr) {var len = arr.length;for (var i = 0; i < len - 1; i++) {for (var j = 0; j < len - 1 - i; j++) {if (arr[j] > arr[j+1]) { // 相邻元素两两对⽐var temp = arr[j+1]; // 元素交换arr[j+1] = arr[j];arr[j] = temp;}}}return arr;}2、选择排序（Selection Sort）选择排序(Selection-sort)是⼀种简单直观的排序算法。
大数据算法综述ppt课件
CONTENTS
1 大数据概述 2 数据挖掘算法分类 3 经典算法简介
PART ONE
大数据概述
大数据概述
大数据是指无法在一定时间范围内用常规的软件工 具进行捕捉、管理和处理的数据集合。是由于目前存 储和计算模式与能力不能满足存储与处理现有数据集 规模的需求而产生的相对概念。
之前定义的项集大小为止。
ቤተ መጻሕፍቲ ባይዱ
THANKS
FOR YOUR
LISTENING
Q&A
此课件下载可自行编辑修改，供参考！ 感谢您的支持，我们努力做得更好！
此课件下载可自行编辑修改，此课件供参考！ 部分内容来源于网络，如有侵权请与我联系删除！感谢你的观看！
此课件下载可自行编辑修改，此课件供参考！ 部分内容来源于网络，如有侵权请与我联系删除！感谢你的观看！
ID3算法
ID3算法
ID3算法
C4.5算法
C4.5相比于ID3改进的地方有： 1、用信息增益率来选择属性。 2、在树构造过程中进行剪枝，在构造决策树的时候，
那些挂着几个元素的节点，不考虑最好，不然容易导 致overfitting。
3、对非离散数据也能处理。 4、能够对不完整数据进行处理。
K-Means算法
数据挖掘算法分类
分类
找出数据库中的一组数据对象的共同特点并按照分类模 式将其划分为不同的类，其目的是通过分类模型，将数据库 中的数据项映射到摸个给定的类别中。
回归分析 反映了数据库中数据的属性值的特性，通过函数表达数 据映射的关系来发现属性值之间的依赖关系。
聚类
针对数据的相似性和差异性将一组数据分为几个类别。 属于同一类别的数据间的相似性很大，但不同类别之间数据 的相似性很小，跨类的数据关联性很低。
大数据十大经典案例ppt课件
9 微软大数据成功预测奥斯卡21项大奖
2013年，微软纽约研究院的经济学家大卫•罗斯 柴尔德（David Rothschild）利用大数据成功预测 24个奥斯卡奖项中的19个，成为人们津津乐道的话 题。今年罗斯柴尔德再接再厉，成功预测第86届奥 斯卡金像奖颁奖典礼24个奖项中的21个，继续向人 们展示现代科技的神奇魔力。
9
7 大数据与乔布斯癌症治疗
乔布斯是世界上第一个对自身所有DNA和肿瘤DNA 进行排序的人。为此，他支付了高达几十万美元的费 用。他得到的不是样本，而是包括整个基因的数据文 档。医生按照所有基因按需下药，最终这种方式帮助 乔布斯延长了好几年的生命。
10
Hale Waihona Puke 8 奥巴马大选连任成功2012年11月奥巴马大选连任成功的胜利果实也 被归功于大数据，因为他的竞选团队进行了大规模 与深入的数据挖掘。时代杂志更是断言，依靠直觉 与经验进行决策的优势急剧下降，在政治领域，大 数据的时代已经到来；各色媒体、论坛、专家铺天 盖地的宣传让人们对大数据时代的来临兴奋不已， 无数公司和创业者都纷纷跳进了这个狂欢队伍。
动，推动英国最终做出撤出驻
伊拉克军队的决定。
4
3意料之外： 胸部最大的 是新疆妹子
淘宝数据平台显示，购买 最多的文胸尺码为B罩杯。B罩 杯占比达41.45%，其中又以 75B的销量最好。其次是A罩杯， 购买占比达25.26%，C罩杯只 有8.96%。在文胸颜色中，黑 色最为畅销。以省市排名，胸 部最大的是新疆妹子。
2
1 啤酒与尿布
全球零售业巨头沃尔玛在对消费者购物行为分析
时发现，男性顾客在购买婴儿尿片时，常常会顺便搭
配几瓶啤酒来犒劳自己，于是尝试推出了将啤酒和尿
布摆在一起的促销手段。没想到这个举措居然使尿布
十大数据挖掘算法PPT学习课件
20
10. CART: 分类与回归树
• CART, Classification and Regression Trees。
• 在分类树下面有两个关键的思想。
• PageRank根据网站的外部链接和内部链接的数量和质量 俩衡量网站的价值。PageRank背后的概念是，每个到页
面的链接都是对该页面的一次投票，被链接的越多，就意 味着被其他网站投票越多。
• 这个就是所谓的“链接流行度”——衡量多少人愿意将他
们的网站和你的网站挂钩。PageRank这个概念引自学术
• 第一个是关于递归地划分自变量空间的想法； 第二个想法是用验证数据进行剪枝。
21
HITS
• 也是一个连接分析算法，它是由IBM首先提 出的。在HITS，每个节点(网页)都有一个重 要度和权威度(Hubs and authorities,我也忘 了具体的翻译是什么了)。通过反复通过权 威度来求重要度，通过重要度来求权威度 得到最后的权威度和重要度。
十大数据挖掘算法及各自优势
1
• 国际权威的学术组织the IEEE International Conference on Data Mining (ICDM) 2006年12 月评选出了数据挖掘领域的十大经典算法：C4.5, k-Means, SVM, Apriori, EM, PageRank, AdaBoost, kNN, Naive Bayes, and CART.
• Springer出版社《高级信息与知识处理》（Advanced
Information and Knowledge Processing）系列丛书的两名
大数据十大经典算法讲解课件
二分kmeans真的能使SSE达到全局最小值吗？
从前面的讲解可以看到二分kmeans算法的思想有点类似于贪心思想。但是我们会发现贪心的过程中有不确定的因素比如：二分一个聚类时选取的两个中间点是随机的，这会对我们的策略造成影响。那么如此一来二分kmeans算法会不会达到全局最优解呢？答案是：会！尽管你可能惊诧于下面的说法，但全局最小值的定义却是：可能的最好结果。
面对海量数据时，传统的聚类算法存在着单位时间内处理量小、面对大量的数据时处理时间较长、难以达到预期效果的缺陷以上算法都是假设数据都是在内存中存储的，随着数据集的增大，基于内存的ＫＭｅａｎｓ就难以适应．ＭａｐＲｅｄｕｃｅ是一个为并行处理大量数据而设计的编程模型。 Kmeans算法都是假设数据都是在内存中存储的，随着数据集的增大，基于内存的ＫＭｅａｎｓ就难以适应．ＭａｐＲｅｄｕｃｅ是一个为并行处理大量数据而设计的编程模型，它将工作划分为独立任务组成的集合。
究竟哪里错了！！！
带canopy预处理的kmeans算法
（1）将数据集向量化得到一个list后放入内存，选择两个距离阈值：T1和T2。 （2）从list中任取一点P，用低计算成本方法快速计算点P与所有Canopy之间的距离（如果当前不存在Canopy，则把点P作为一个Canopy），如果点P与某个Canopy距离在T1以内，则将点P加入到这个Canopy； （3）如果点P曾经与某个Canopy的距离在T2以内，则需要把点P从list中删除，这一步是认为点P此时与这个Canopy已经够近了，因此它不可以再做其它Canopy的中心了； （4）重复步骤2、3，直到list为空结束
二分Kmeans算法的效果
既然是改进算法就要体现改进算法的优越性。为此控制变量，在相同的实验环境下，①取相同的k值取。 ②选取相同的的距离度量标准（欧氏距离） ③在相同的数据集下进行测试。
大数据十大经典算法PageRank 讲解共37页
11、战争满足了，或曾经满足过人的 好斗的 本能， 但它同 时还满 足了人 对掠夺 ，破坏 以及残 酷的纪 律和专 制力的 欲望。 ——查·埃利奥 特 12、不应把纪律仅仅看成教育的手段 。纪律 是教育 过程的 结果， 首先是 学生集 体表现 在一切 生活领 域—— 生产、 日常生 活、学 校、文 化等领 域中努 力的结 果。ห้องสมุดไป่ตู้ —马卡 连柯(名 言网)
13、遵守纪律的风气的培养，只有领 导者本 身在这 方面以 身作则 才能收 到成效 。—— 马卡连 柯 14、劳动者的组织性、纪律性、坚毅 精神以 及同全 世界劳 动者的 团结一 致，是 取得最 后胜利 的保证 。—— 列宁 摘自名言网
15、机会是不守纪律的。——雨果
46、我们若已接受最坏的，就再没有什么损失。——卡耐基 47、书到用时方恨少、事非经过不知难。——陆游 48、书籍把我们引入最美好的社会，使我们认识各个时代的伟大智者。——史美尔斯 49、熟读唐诗三百首，不会作诗也会吟。——孙洙 50、谁和我一样用功，谁就会和我一样成功。——莫扎特
大数据算法十大经典算法
⼤数据算法⼗⼤经典算法⼀、C4.5C4.5，是机器学习算法中的⼀个分类决策树算法，它是决策树(决策树也就是做决策的节点间的组织⽅式像⼀棵树，其实是⼀个倒树)核⼼算法ID3的改进算法，所以基本上了解了⼀半决策树构造⽅法就能构造它。
决策树构造⽅法其实就是每次选择⼀个好的特征以及分裂点作为当前节点的分类条件。
C4.5相⽐于ID3改进的地⽅有：1、⽤信息增益率来选择属性。
ID3选择属性⽤的是⼦树的信息增益，这⾥可以⽤很多⽅法来定义信息，ID3使⽤的是熵(entropy，熵是⼀种不纯度度量准则),也就是熵的变化值.⽽C4.5⽤的是信息增益率。
对，区别就在于⼀个是信息增益，⼀个是信息增益率。
⼀般来说率就是⽤来取平衡⽤的，就像⽅差起的作⽤差不多，⽐如有两个跑步的⼈，⼀个起点是10m/s的⼈、其10s后为20m/s；另⼀个⼈起速是1m/s、其1s后为2m/s。
如果紧紧算差值那么两个差距就很⼤了，如果使⽤速度增加率(加速度，即都是为1m/s^2)来衡量，2个⼈就是⼀样的加速度。
因此，C4.5克服了ID3⽤信息增益选择属性时偏向选择取值多的属性的不⾜。
2、在树构造过程中进⾏剪枝，在构造决策树的时候，那些挂着⼏个元素的节点，不考虑最好，不然容易导致overfitting。
3、对⾮离散数据也能处理。
4、能够对不完整数据进⾏处理。
⼆、The k-means algorithm 即K-Means算法k-means algorithm算法是⼀个聚类算法，把n的对象根据他们的属性分为k个分割(k < n)。
它与处理混合正态分布的最⼤期望算法(本⼗⼤算法第五条)很相似，因为他们都试图找到数据中⾃然聚类的中⼼。
它假设对象属性来⾃于空间向量，并且⽬标是使各个群组内部的均⽅误差总和最⼩。
三、 Support vector machines⽀持向量机，英⽂为Support Vector Machine，简称SV机（论⽂中⼀般简称SVM）。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
改进的算法——二分 Kmeans算法
为了克服k均值算法收敛于局部的问题，提出了二分k 均值算法。该算法首先将所有的点作为一个簇，然后 将该簇一分为二。之后选择其中一个簇继续划分，选 择哪个簇进行划分取决于对其划分是否可以最大程度 降低SSE值。 伪代码如下： 将所有的点看成一个簇 当簇数目小于k时 对于每一个簇
我们主要研究的三个方面因素。
初始中心点的划分
讨论初始中心点意义何在？下面的例子一目了然吧？
初始中心点
收敛后
你
懂
的
…
如何衡量Kmeans算法的精确度 ？
在进一步阐述初始中心点选择 之前，我们应该先确定度量 kmeans的算法精确度的方法。 一种度量聚类效果的标准是： SSE(Sum of Square Error， 误差平方和) SSE越小表示数据点越接近于 它们的质心，聚类效果也就越 好。因为对误差取了平方所以 更重视那些远离中心的点。 一种可以肯定降低SSE的方法 是增加簇的个数。但这违背了 聚类的目标。因为聚类是在保 持目标簇不变的情况下提高聚 类的质量。 现在思路明了了我们首先以缩 小SSE为目标改进算法。
决定性因素
Input & centroids
①数据的采集和抽象 ②初始的中心选择
Selected k
① k值的选定
MaxIterations & Convergence
①最大迭代次数 ②收敛值
factors？
Meassures
①度量距离的手段
主要讨论
初始中 心点
输入的数 据及K值 的选择
距离度 量
步骤一：取得k个初始初始中心点
Kmeans算法详解（2）
步骤二：把每个点划分进相应的簇
Min of three due to the EuclidDistance
Kmeans算法详解（3）
步骤三：重新计算中心点
Min of three due to the EuclidDistance
Kmeans算法详解（4）
从前面的讲解可以看到二分 kmeans算法的思想有点类 似于贪心思想。但是我们会 发现贪心的过程中有不确定 的因素比如：二分一个聚类 时选取的两个中间点是随机 的，这会对我们的策略造成 影响。那么如此一来二分 kmeans算法会不会达到全 局最优解呢？答案是：会！ 尽管你可能惊诧于下面的说 法，但全局最小值的定义却 是：可能的最好结果。
3
聚类手段：传统聚类算法 ①划分法 ②层次方法 ③基于密 度方法 ④基于网络方法 ⑤基于模型方法
什么是Kmeans算法？
Q1：K是什么？A1：k是聚类算法当中类的个数。 Q2：means是什么？A2：means是均值算法。
Summary：Kmeans是用均值算法把数 据分成K个类的算法！
Kmeans算法详解（1）
步骤四：迭代计算中心点
Kmeans算法详解（5）
步骤五：收敛
Kmeans算法流程
1.从数据中随机抽取k个点作为初始聚类 的中心，由这个中心代表各个聚类 2.计算数据中所有的点到这k个点的距离， 将点归到离其最近的聚类里 3.调整聚类中心，即将聚类的中心移动到 聚类的几何中心（即平均值）处，也就是 k-means中的mean的含义 4.重复第2步直到聚类的中心不再移动， 此时算法收敛 最后kmeans算法时间、空间复杂度是： 时间复杂度：上限为O(tKmn)，下限为Ω （Kmn）其中，t为迭代次数，K为簇的数 目，m为记录数，n为维数 空间复杂度：O((m+K)n)，其中，K为簇 的数目，m为记录数，n为维数
③在相同的数据集下进行测 试。
一组实验结果
一组不好的初始点产生的 Kmeans算法结果
二分kmeans产生的结果
要强调的是尽管只是这一组实验不得以得出二分kmeans的 优越性，但是经过大量实验得出的结论却是在大多数情况下 二分kmeans确实优于朴素的kmeans算法。
全局最小值
二分kmeans真 的能使SSE达 到全局最小值 吗？
The algorithm of Kmeans
主要内容：
聚类算法简介 Kmeans算法详解 Kmeans算法的缺陷及若干改进 Kmeans的单机实现与分布式实现策略
Kmeans实战
聚类算法简介
1
聚类的目标：将一组向量分成若干组，组内数据是相似的， 而组间数据是有较明显差异。
2 与分类区别：分类与聚类最大的区别在于分类的目标事先已 知，聚类也被称为无监督机器学习
带canopy预处理的kmeans 算法的优点
带canopy预处理的kmean以后就用它好了！
我看不见得，它虽然解决 kmeans当中的一些问题， 但其自身也引进了新的问题： t1、t2的选取。
带canopy预处理的kmeans 算法
（1）将数据集向量化得到一个list后放 入内存，选择两个距离阈值：T1和T2。 （2）从list中任取一点P，用低计算成 本方法快速计算点P与所有Canopy之 间的距离（如果当前不存在Canopy， 则把点P作为一个Canopy），如果点P 与某个Canopy距离在T1以内，则将点 P加入到这个Canopy； （3）如果点P曾经与某个Canopy的距 离在T2以内，则需要把点P从list中删 除，这一步是认为点P此时与这个 Canopy已经够近了，因此它不可以再 做其它Canopy的中心了； （4）重复步骤2、3，直到list为空结 束
K值的选择以及坏点的剔除
讨论k值、剔除坏点的意义何在？下面以一个例 子来说明k值的重要性。
为什么会出错？
究竟哪里错 了！！！
上面的例子当中出错的原因 很明显。凭直觉我们很容易 知道不可能有这样的天气— —它的气温是100℃，湿度 是1100%。可见坏点对 kmeans的影响之大。另一 方面，季节有春夏秋冬之分， 而我们强行的把它们分为夏 冬两个类也是不太合理的。 如果分为四个类我们也许可 以“中和”掉坏点的影响。
计算总误差 在给定的簇上面进行K均值聚类(K=2) 计算将该簇一分为二后的总误差 选择使得误差最小的那个簇进行划分操作
二分Kmeans算法的效果
既然是改进算法就要体现改 进算法的优越性。为此控制 变量，在相同的实验环境下， ①取相同的k值取。
双击此处添加文字内②选容取相同的的距离度量标
准（欧氏距离）