Евклидово расстояние

Евклидово расстояние (Euclidean Distance) — это метрика для измерения прямого расстояния между двумя точками в многомерном пространстве. В контексте машинного обучения и представлений (embeddings) используется для оценки степени различия между векторами объектов.

🧠 Механизм работы

1. Даны два вектора $\mathbf{A}=(a_1,a_2,...,a_n)$ и $\mathbf{B}=(b_1,b_2,...,b_n)$.
2. Вычисляется квадрат разности каждой компонент: $(a_i-b_i{)}^2$.
3. Суммируются все квадраты разностей и извлекается квадратный корень:

4. Полученное значение отражает абсолютную близость двух объектов в n-мерном пространстве.

🔑 Основные особенности

• Простая и интуитивно понятная метрика.
• Чувствительна к масштабу векторов; большие значения компонент увеличивают расстояние.
• Часто используется для измерения различий в embedding space или при кластеризации.
• Может быть комбинирована с нормализацией векторов для устранения эффекта масштаба.

📌 Примеры применения

• Face Recognition / Face Verification — сравнение лицевых embeddings.
• Image Retrieval — оценка схожести изображений в latent space.
• Clustering — алгоритмы K-means и иерархической кластеризации.
• Dimensionality Reduction — оценка близости объектов после снижения размерности (PCA, t-SNE).
• Recommendation Systems — поиск похожих объектов или пользователей.

⚖️ Преимущества и недостатки

Преимущества:

• Простая и легко интерпретируемая.
• Универсальна для любых числовых векторов.
• Широко применима в машинном обучении и анализе данных.

Недостатки:

• Чувствительна к масштабам и различной размерности признаков.
• Может быть менее эффективна в высокоразмерных пространствах (curse of dimensionality).
• Не учитывает направления векторов, только абсолютные различия.

🧠 Связанные понятия

• Cosine Similarity — альтернативная метрика, оценивающая угол между векторами.
• Embedding Space — пространство, где вычисляется расстояние между векторами.
• FaceNet / Image Embeddings — примеры использования евклидова расстояния.
• Distance Metrics — общее понятие метрик расстояний между объектами.

💡 Вывод

Euclidean Distance является фундаментальной метрикой для измерения абсолютного расстояния между объектами в многомерных пространствах и широко используется для оценки схожести в задачах распознавания, кластеризации и поиска.