Евклидово расстояние

Евклидово расстояние — это самая обычная, знакомая каждому с детства мера длины прямой линии между двумя точками. В искусственном интеллекте эта простая метрика служит базовым инструментом для сравнения объектов, превращая «похожесть» в измеримую величину.

Почему это важно? Любая модель машинного обучения работает с числами. Фотографию, текст или профиль пользователя можно представить как точку в многомерном пространстве, где каждая координата — признак. Чтобы понять, похожи ли два объекта, алгоритму нужно узнать, близко ли расположены их точки. Евклидово расстояние — стандартный способ такой проверки: чем оно меньше, тем объекты ближе и похожее.

Как это работает интуитивно? Представьте город с идеально прямыми улицами. Евклидово расстояние — путь, который пролетела бы птица, игнорируя кварталы. Вычисляется по теореме Пифагора: для двух координат нужно извлечь корень из суммы квадратов разностей по каждой оси. Для ста признаков ничего не меняется — просто складываются квадраты разностей по всем ста осям и извлекается корень. Это всё то же «расстояние по прямой», только в многомерном пространстве, которое нельзя нарисовать, но легко посчитать.

Классический пример — рекомендательные системы. Допустим, сервис предлагает фильмы. Двух зрителей можно описать точками по шкалам «любовь к комедиям», «любовь к боевикам», «любовь к ужасам». Если расстояние между этими точками маленькое, значит, у зрителей схожие вкусы. Тогда человеку, уже посмотревшему фильм, понравившийся его «соседу», система предложит то же самое. Алгоритм ничего не знает о содержании фильма — он просто измеряет расстояние между числовыми профилями.

Итог: евклидово расстояние — это интуитивный и вычислительно простой способ сказать, насколько объекты отличаются. Оно неидеально, ведь мир редко устроен как прямая линия, но именно с этой метрики начинается понимание того, как алгоритмы группируют данные и находят закономерности.