勾股定理与坐标距离

从零开始——在一切之前你需要的基础数学

看一个有一个方角的三角形:一个 90° 的角。这个角叫直角,含有一个直角的三角形叫直角三角形。两条较短的边正是在这个方角处相遇。第三条边,横跨在直角的对面,叫做斜边,它永远是三条边中最长的一条。

想象一张斯诺克台球桌和它四角的球袋。要把主球从一个球袋送到对角的球袋,你可以先沿着球桌的长边打一次库,再沿着短边打一次库,走过球桌的两条边。或者你也可以直接沿对角线把球打过去,那是最短的路线。这条对角线就是斜边,球桌的长和宽就是它的两条直角边,不管球桌是什么尺寸都一样。试着拖动下面图中的任意一个蓝点,观察无论两点落在哪里,a² 和 b² 相加后总是等于 c²。

把两条直角边命名为 a 和 b,把斜边叫做 c。用每条边的长度在它上面搭一个正方形。把两条直角边上较小的两个正方形的面积加起来,你会得到恰好等于斜边上大正方形的面积。这只对直角三角形成立:如果拿一个没有方角的三角形来试,两个面积就不会相等。

在机器学习中的应用最近邻方法通过测量两个样本之间的距离来判断它们有多相似,聚类则是把特征空间中彼此靠近的点归到一组。两者依赖的正是这个平方和的思想。 同样的几何在 L2 范数、两个嵌入之间的距离,以及梯度向量的长度中都会出现。数据集中每多一个特征,就只是在最后开方之前,往和里再加一项平方差。
▶ 勾股定理与坐标距离
← 描点斜率 →