맨해튼 거리 계산기

맨해튼 거리는 좌표축을 따라 각각 이동할 때 두 점이 얼마나 떨어져 있는지 나타냅니다. 이차원에서는 직사각형 도로 격자를 따라 이동한다고 생각하면 됩니다. 건물을 대각선으로 통과할 수 없으므로 경로 길이는 수평 거리와 수직 거리의 합입니다. 여기서 맨해튼 거리, 택시 거리, 도시 블록 거리라는 이름이 나왔습니다. 선형대수와 데이터 과학에서는 두 벡터 차이의 L1 노름이라고 부릅니다. 점 P와 Q의 대응 좌표를 빼고 각 차이의 절댓값을 더합니다. 방향 때문에 거리가 상쇄되어서는 안 되므로 절댓값이 중요합니다. 좌표가 1, 2인 P에서 4, 6인 Q로 갈 때 좌표 변화의 크기는 삼과 사이므로 맨해튼 거리는 칠입니다. 방향을 바꾸는 순서가 다양해도 축 방향 총이동량이 같으면 모든 최단 경로의 길이는 같습니다. 정의는 지도 밖에도 그대로 확장됩니다. 삼차원에서는 높이나 깊이 차이의 절댓값을 추가합니다. 수치 특성 열 개를 가진 데이터는 각 특성의 척도가 비교 가능하다면 십차원 공간의 점으로 볼 수 있습니다. 따라서 이 계산기는 양의 정수 개수의 좌표를 모두 허용합니다. 첫 점의 각 좌표에 둘째 점의 대응 좌표가 필요하므로 두 점의 차원은 같아야 합니다. 맨해튼 거리는 격자 경로 탐색, 군집화, 최근접 이웃 방법, 영상 처리, 창고 동선 계획, 강건 통계에 흔히 쓰입니다. 유클리드 거리처럼 큰 좌표 차이를 제곱하지 않으므로 유난히 큰 편차 하나의 영향이 상대적으로 덜 과도합니다. 이차원 등거리 윤곽은 원이 아니라 마름모입니다. 적절한 거리 척도는 문제의 기하 구조에 따라 다릅니다. 이동이 축 방향으로 제한되거나 특성 차이의 합이 의도한 비용을 나타낼 때 맨해튼 거리를 사용하세요. 좌표는 쉼표, 공백 또는 둘을 섞어 구분할 수 있으며 음수와 소수를 지원합니다. 결과에는 성분별 식이 포함되어 어떤 절댓값 차이를 더했는지 확인할 수 있습니다. 좌표 단위는 그대로 유지됩니다. 블록 단위 입력은 블록 단위 결과가 되고, 정규화한 특성은 무단위 점수가 됩니다. 실제 데이터를 비교하기 전 범위가 크게 다른 변수는 스케일 조정을 고려하세요. 그렇지 않으면 천 단위 특성이 영과 일 사이의 특성을 압도할 수 있습니다.