İçeriğe geç
parazade
Yapay Zeka

Öklid Uzaklığı Nedir?

İngilizce: Euclidean Distance

Yayın: · Son güncelleme:

Öklid Uzaklığı Nedir? Kısaca

Öklid uzaklığı (Euclidean distance), iki nokta arasındaki düz çizgi mesafesidir. Koordinat farklarının karelerinin toplamının karekökü alınarak hesaplanır ve makine öğrenmesinde veri noktalarının birbirine ne kadar yakın olduğunu ölçmek için kullanılır.

Öklid Uzaklığı nedir?
İçindekiler
  1. Öklid uzaklığı nedir?
  2. Nasıl hesaplanır?
  3. Nerelerde kullanılır?
  4. Nelere dikkat etmeli?

Öklid uzaklığı, adını antik Yunan matematikçisi Öklid'den alır. Günlük hayatta "kuş uçuşu mesafe" dediğimiz kavramın matematiksel karşılığıdır.

Öklid uzaklığı nedir?

Bir harita üzerinde iki şehri düşün. Aralarındaki yollar kıvrımlı olsa da, cetvelle çizilen düz çizginin uzunluğu Öklid uzaklığıdır. Aynı fikir iki boyuttan çok daha fazla boyuta genişletilebilir; bu yüzden yüzlerce boyutlu vektörler arasında da kullanılır.

Nasıl hesaplanır?

İki boyutta A = (x1, y1) ve B = (x2, y2) noktaları için:

uzaklık = √((x2 − x1)² + (y2 − y1)²)

Varsayımsal bir örnek: A = (1, 2) ve B = (4, 6) ise farklar 3 ve 4'tür. 3² + 4² = 25 ve karekökü 5'tir. Yani iki nokta arasındaki Öklid uzaklığı 5 birimdir. Daha fazla boyutta her boyuttaki farkın karesi toplanır ve karekök alınır.

Nerelerde kullanılır?

  • K-means gibi kümeleme algoritmaları: Noktaları en yakın merkeze atar.
  • En yakın komşu yöntemleri: Yeni bir örneği, ona en yakın örneklere bakarak sınıflandırır.
  • Vektör arama: Bazı vektör veritabanları benzerliği Öklid uzaklığıyla ölçer.
  • Anomali tespiti: Diğerlerinden çok uzaktaki noktalar şüpheli kabul edilir.

Nelere dikkat etmeli?

  • Özelliklerin ölçekleri farklıysa (ör. yaş ve gelir) büyük sayılı özellik sonucu domine eder; önce standartlaştırma yapılmalıdır.
  • Çok yüksek boyutlu uzaylarda noktalar arasındaki uzaklıklar birbirine benzeşmeye başlar; bu da ayırt ediciliği azaltabilir.
  • Metin embedding'lerinde yön daha önemliyse kosinüs benzerliği daha uygun olabilir.

Sıkça Sorulan Sorular

Öklid uzaklığı küçükse ne anlama gelir?

İki noktanın ya da vektörün birbirine yakın olduğunu, dolayısıyla temsil ettikleri verilerin benzer olduğunu gösterir. Sıfır uzaklık, iki noktanın aynı olduğu anlamına gelir.

Öklid uzaklığı ile kosinüs benzerliği aynı sonucu verir mi?

Vektörler birim uzunluğa normalleştirilmişse iki ölçü aynı sıralamayı verir. Normalleştirilmemiş vektörlerde ise farklı sonuçlar çıkabilir.

İlgili terimler

Kosinüs Benzerliği(Cosine Similarity)Kosinüs benzerliği (cosine similarity), iki vektör arasındaki açının kosinüsünü hesaplayarak bu vektörlerin ne kadar aynı yönü gösterdiğini ölçen bir benzerlik ölçüsüdür. Değer 1'e yaklaştıkça vektörler, dolayısıyla temsil ettikleri metinler daha benzer kabul edilir.Kümeleme(Clustering)Kümeleme (clustering), önceden etiketlenmemiş verileri ortak özelliklerine göre birbirine benzeyen gruplara (kümelere) ayıran bir denetimsiz öğrenme yöntemidir. Müşteri segmentasyonu ve anormallik tespiti tipik kullanım alanlarıdır.Vektör(Vector)Vektör, matematikte hem büyüklüğü hem yönü olan bir nicelik; yapay zekâda ise sıralı bir sayı listesidir. Metin, görsel ya da kullanıcı gibi nesneler vektörlerle sayısal olarak temsil edilir ve karşılaştırılır.EmbeddingEmbedding, bir kelimenin, cümlenin, belgenin ya da görselin anlamını sayılardan oluşan bir vektörle temsil etme yöntemidir. Anlamca birbirine yakın içeriklerin vektörleri de birbirine yakın olduğu için anlamsal arama ve RAG sistemlerinin temelini oluşturur.Özellik(Feature)Özellik (feature), makine öğrenmesinde her bir örneği tanımlayan ve modelin tahmin yaparken girdi olarak kullandığı ölçülebilir nitelik ya da değişkendir. Örneğin ev fiyatı tahmininde metrekare, oda sayısı ve konum birer özelliktir.Harf Çevirisi(Transliteration)Harf çevirisi (transliterasyon), bir yazı sistemindeki metnin, anlamı çevrilmeden başka bir yazı sisteminin harfleriyle yazılmasıdır. Örneğin Kiril alfabesiyle yazılmış bir ismin Latin harflerine aktarılması harf çevirisidir.