如何在Python中归一化Euclidean Distance以对比不同样本量结果？

你遇到的问题核心是：原代码计算的欧氏距离会随数据点数量n的平方根线性增长，直接对比v50和v1000没有意义，必须消除n的影响才能做相似度对比。

核心思路 #

先推导下距离的增长规律：

• 代码里A和B是相关系数为0.6的标准正态分布，每个维度的差值D_i = A_i - B_i的方差为Var(A_i) + Var(B_i) - 2*Cov(A_i,B_i) = 1+1-2*0.6=0.8
• n个维度的平方和期望是0.8*n，开根号后的欧氏距离期望为√(0.8n)，也就是和√n成正比

所以只要把原始距离除以√n，就能消除n带来的尺度差异，得到和数据点数量无关的归一化值。

两种实现方式 #

1. 直接修改计算函数

在函数内部完成归一化：

import numpy as np

def normalized_euclidean_distance(n):
    L = np.linalg.cholesky([[1.0, 0.60], [0.60, 1.0]])
    uncorrelated = np.random.standard_normal((2, n))
    correlated = np.dot(L, uncorrelated)
        
    A = correlated[0]
    B = correlated[1]
    
    raw_v = np.linalg.norm(A - B)
    # 除以n的平方根完成归一化
    normalized_v = raw_v / np.sqrt(n)
    return normalized_v

v50_norm = normalized_euclidean_distance(50)
v1000_norm = normalized_euclidean_distance(1000)

2. 对已有结果后处理

如果已经得到了v50和v1000，直接做如下计算即可：

v50_norm = v50 / np.sqrt(50)
v1000_norm = v1000 / np.sqrt(1000)

归一化后的意义 #

归一化后的数值可以理解为单维度平均差异的综合度量，数值越小说明A和B的整体相似度越高。此时v50_norm和v1000_norm处于同一尺度，直接对比就能反映两组数据的相似度差异。

如果需要将结果缩放到更直观的范围（比如期望为1），可以再除以理论期望的缩放因子√(2*(1-0.6))≈0.894，让归一化后的结果期望为1，方便理解：

scale_factor = np.sqrt(2 * (1 - 0.6))
v50_scaled = v50_norm / scale_factor
v1000_scaled = v1000_norm / scale_factor

内容的提问来源于stack exchange，提问作者HappyPy