概述
在数学中,欧几里得距离或欧几里得度量是欧几里得空间中两点间“普通”(即直线)距离。使用这个距离,欧氏空间成为度量空间。 详见 百度百科:https://baike.baidu.com/item/%E6%AC%A7%E5%87%A0%E9%87%8C%E5%BE%97%E5%BA%A6%E9%87%8F/1274107?fromtitle=%E6%AC%A7%E5%BC%8F%E8%B7%9D%E7%A6%BB&fromid=2809635&fr=aladdin
计算公式
使用
欧式距离在数学上,一般用在求任意维度空间的2点之间的距离。
在开发中,多用在,判端某些数据的摇摆幅度,并剔除一些差异化较大的数据。例如:风控系统中,用户输入特性的判定上。
本文将根据用户输入特征的数据模型,对欧式距离的应用进行简单的介绍。
总思路: 根据用户的历史登录的输入特征,建立 圆形 的数据模型,取落入此圆内的数据,作为正常值,落到圆外部的数据将被判定为风险数据。
① 建模 :根据历史的输入特性,建立多维度的几何模型。(一般为2~3维)
② 计算圆心:跟据历史数据的每个轴的对应数据长度,根据公式 一条直线上任意点的距离中点=点与初始点(即 坐标轴心)的长度之和/点个数,计算出圆心的位置。
③ 计算半径: 根据欧式距离公式,计算出各个点之间的距离,按照由小到大排序后,取其大于1/2处的数据作为半径。
④ 计算当前请求的特征点是否落在圆内: 根据欧式距离公式,计算出,圆心到请求点的距离,判断是否落在圆内(即距离是否小于半径)。
代码实现
public boolean doEval(Double[] inputFeatures, List historyInputFeatures){
//如果特征不足2次,不进行验证
if(historyInputFeatures.size()
//创建一个double 数组,用于接收圆心数据,数组长度为历史数据的维度
Double[] centerOfCircles = new Double[historyInputFeatures.get(0).length];
//
|