KNN(临近算法k-NearestNeighbo) L1 和 L2距离计算

KNN基础中 L1 和 L2 距离是最核心的两个公式

1、L1距离

L1距离很简单，就是矩阵I1和矩阵I2每个元素（aij） 相减的绝对值，这一点CS231中给出了很明确的计算：

L1 Numpy实现：

for i in range(num_test):
	a = X_test[i]-X_train[j]
	b = np.fabs(a)
	dists[i][j] = np.sum(b)

2、L2距离
首先给出L2距离的公式：

L2理解很简单就是运用了欧式距离，可以参考L1进行理解
L2 Numpy实现（双循环方法计算训练集和测试集之间的距离）：

for i in range(num_test):
      for j in range(num_train):
        a = X_test[i]-X_train[j]
        b = np.square(a)
        c = np.sum(b)
        dists[i][j] = np.sqrt(c)