距离领域试题及答案总览

距离领域试题及答案总览考试时间：______分钟总分：______分姓名：______一、选择题（每题只有一个正确选项，将正确选项字母填在题号后括号内。每题2分，共20分）1.在二维空间中，点A(1,2)和点B(4,6)的欧几里得距离是多少？A.3B.5C.7D.8.62.曼哈顿距离通常适用于哪种类型的空间或网格环境？A.圆形网格B.三维立体网格C.二维正方形网格D.任意连续空间3.如果点P的坐标为(x,y)，直线L的方程为Ax+By+C=0，则点P到直线L的（）距离公式为|Ax+By+C|/sqrt(A²+B²)。A.欧几里得B.曼哈顿C.切比雪夫D.法向（垂直）4.切比雪夫距离在二维网格中，从(0,0)移动到(3,4)所需的最少“国王”步数是？A.3B.4C.5D.75.下列哪个距离度量满足三角不等式？A.汉明距离B.切比雪夫距离C.海明距离D.A和B都满足6.在K-means聚类算法中，通常使用哪种距离来衡量数据点与聚类中心之间的相似度？A.余弦距离B.马氏距离C.欧几里得距离D.曼哈顿距离7.哪种距离度量的计算与坐标轴的方向或单位无关（在无权重图中）？A.曼哈顿距离B.欧几里得距离C.马氏距离D.切比雪夫距离8.在计算图论中最短路径时，距离通常表示为？A.两个节点间的欧几里得距离B.两个节点间的曼哈顿距离C.连接两个节点的边的权重之和D.连接两个节点的边数9.以下哪个不是距离度量的基本性质？A.非负性：d(p,q)≥0B.对称性：d(p,q)=d(q,p)C.可加性：d(p,r)≤d(p,q)+d(q,r)D.平均性：d(p,q)=(d(p,r)+d(q,r))/210.当数据维度非常高时，欧几里得距离可能失去意义或效果不佳，这时常考虑使用？A.曼哈顿距离B.切比雪夫距离C.余弦相似度（可视为一种广义距离）D.马氏距离二、填空题（将正确答案填在横线上。每空2分，共20分）1.点P(x1,y1)和点Q(x2,y2)之间的欧几里得距离公式是________。2.在一维直线上的两点A和B，其曼哈顿距离等于它们的________之差的绝对值。3.距离矩阵是算法中常用的工具，例如在Floyd-Warshall算法中用于求解________。4.在KNN算法中，分类决策通常基于样本点到最近K个邻居的________。5.余弦距离衡量的是两个向量方向的________，其值介于0和1之间（或-1和1之间，取决于定义）。6.切比雪夫距离在N维空间中，点P(x1,x2,...,xn)和Q(y1,y2,...,yn)之间的距离是________。7.如果一个距离度量d满足非负性、对称性和三角不等式，则称其为度量空间中的________。8.在地理信息系统中，计算两点之间的直线距离（大圆距离）通常不使用欧氏距离，而使用________。9.汉明距离主要用于比较两个等长字符串之间的________。10.马氏距离是欧几里得距离的一种加权形式，它考虑了数据的________，适用于具有不同尺度和相关性的特征。三、计算题（请写出详细的计算步骤。每题10分，共30分）1.在二维平面上，有四个点：A(0,0),B(3,0),C(3,4),D(0,4)。计算点A到点C的欧几里得距离，以及点B到点D的曼哈顿距离。2.给定一个无向图G=(V,E)，其中V={A,B,C,D}，E={(A,B,2),(A,C,4),(B,C,1),(B,D,5),(C,D,3)}。这里的数字表示边的权重。请使用Dijkstra算法（或你熟悉的最短路径算法）计算从顶点A到所有其他顶点的最短路径距离，并给出最终结果。3.假设有三个数据点在二维空间中：P1(1,2),P2(4,6),P3(5,1)。请计算这三个点两两之间的欧几里得距离，并绘制一个简单的距离矩阵（无需实际表格，只需以文本形式表示）来展示这些距离值。四、简答题（请简要回答下列问题。每题5分，共10分）1.简述欧几里得距离和曼哈顿距离的主要区别及其各自的适用场景。2.在机器学习的KNN算法中，为什么选择距离度量（如欧氏距离）比选择角度度量（如余弦相似度）在某些情况下更合适？五、编程题（请用你熟悉的编程语言实现下列功能。15分）编写一个函数`calculate_distances(points,metric='euclidean')`，该函数接收一个包含多个二维点坐标的列表`points`（例如`[(x1,y1),(x2,y2),...]`）和一个表示距离度量的字符串`metric`（支持'euclidean'和'manhattan'）。函数应计算列表中每对唯一点之间的指定度量距离，并将所有计算出的距离值以列表形式返回。注意：对于列表中的点P，计算P与P自己的距离时应返回0，但无需特别处理，因为根据定义P到自身的任何距离都是0。试卷答案一、选择题1.D2.C3.D4.B5.D6.C7.D8.C9.D10.D二、填空题1.sqrt((x2-x1)²+(y2-y1)²)2.坐标3.所有点对之间的最短路径4.距离5.相似度6.max(|x1-y1|,|x2-y2|,...,|xn-yn|)7.距离（或度量）8.大圆距离（或球面距离）9.差异10.协方差（或相关性）三、计算题1.解析思路：欧几里得距离使用直线距离，曼哈顿距离使用坐标轴方向移动。A到C：直线距离sqrt((3-0)²+(4-0)²)=sqrt(9+16)=5。B到D：沿x轴移动3，沿y轴移动4，曼哈顿距离3+4=7。答案：A到C的距离为5，B到D的距离为7。2.解析思路：使用Dijkstra算法从A出发。初始化：dist[A]=0,dist[B]=∞,dist[C]=∞,dist[D]=∞。邻居及权重：A->B(2),A->C(4)。选择dist最小点B，更新dist[C]=min(∞,dist[A]+weight(A,C))=min(∞,0+4)=4。邻居及权重：B->C(1),B->D(5)。选择dist最小点C，更新dist[D]=min(∞,dist[B]+weight(B,D))=min(∞,2+5)=7。此时所有点距离已确定。答案：A到B的最短路径距离为2，A到C的最短路径距离为4，A到D的最短路径距离为7。（B到D的距离为5，C到D的距离为3，A到A的距离为0）3.解析思路：计算每对点间的欧氏距离d(Pi,Pj)=sqrt((xi-xj)²+(yi-yj)²)。计算P1P2:sqrt((4-1)²+(6-2)²)=sqrt(9+16)=5。P1P3:sqrt((5-1)²+(1-2)²)=sqrt(16+1)=sqrt(17)。P2P3:sqrt((5-4)²+(1-6)²)=sqrt(1+25)=sqrt(26)。距离矩阵形式：```P1P2P3P105sqrt(17)P250sqrt(26)P3sqrt(17)sqrt(26)0```四、简答题1.解析思路：欧几里得距离是直线距离，曼哈顿距离是沿坐标轴格子的距离总和。欧氏距离计算sqrt(sum((xi-yi)²))，曼哈顿距离计算sum(|xi-yi|)。欧氏距离适用于衡量直线空间内的“真实”距离，曼哈顿距离适用于网格状环境（如城市街道）或坐标轴加权不同的情况。2.解析思路：KNN决策基于最近邻。如果数据点在特征空间中分布密集，且类别的区分主要依靠特征值的大小（而非方向），欧氏距离能有效反映点之间的“接近程度”。角度度量（如余弦相似度）关注方向，忽略幅度。例如，两个向量方向很接近但大小差异巨大，余弦值可能很高，但在欧氏距离下可能较远。因此