我的欧几里德距离计算有什么问题？ （朱丽亚）

Question

我正在尝试使用三种不同的方法来计算感知重要点。

1. 欧几里德距离;
2. 垂直距离;
3. 垂直距离。

方法2和3给出了相同的点，但不是欧几里德距离。找不到我犯的错误。希望有人可以帮助我。

pt = 7.6 #pt
_t = 1 #t
ptT = 10.7 #p(t+T)
_T = 253 #t+T

# Distances
dE = Float64[] #Euclidean Distances
dP = Float64[] #Perpendicular Distances
dV = Float64[] #Vertical Distances
xi = Float64[] #x values

for i in 2:length(stockdf[:Price])-1
_de = sqrt((_t - i)^2 + (pt - stockdf[:Price][i])^2) + sqrt((_T - i)^2 + (ptT - stockdf[:Price][i])^2)
push!(dE,_de)

_dP = abs(_s*i+_c-stockdf[:Price][i])/sqrt(_s^2+1)
push!(dP,_dP)

_dV = abs(_s*i+_c-stockdf[:Price][i])
push!(dV,_dV)

push!(xi,i)
end

方法2和3都给出了索引为153的最大点，但方法1给出了一个点，它不是最大点，并且索引为230.

具有欧几里德距离的第3个PIP的公式为：

dE = sqrt((t-i)^2 + (pt-pi)^2) + sqrt((t+T-i)^2+(pt+T-pi)^2)

修改 为了更好地理解，我将代码与其他变量一起复制，您可以自己测试。

xs = Array(1:10)
ys = rand(1:1:10,10)

dde = Float64[]
ddP = Float64[]
ddV = Float64[]
xxi = Float64[]

# Connecting Line of first 2 PIPs
_ss = (ys[end]-ys[1])/10
_cc = ys[1]-(1*(ys[end]-ys[1]))/10
_zz = Float64[]

for i in 1:length(dedf[:Price])
    push!(_zz,_ss*i+_cc)
end


for i in 2:length(xs)-1
    _dde = sqrt((1-i)^2+(ys[1]-ys[i])) + sqrt((10-i)^2 + (ys[end]-    ys[i])^2)
    push!(dde,_dde)

    _ddP = abs(_ss*i+_cc-ys[i])/sqrt(_ss^2+1)
    push!(ddP,_ddP)

    _ddV = abs(_ss*i+_cc-ys[i])
    push!(ddV,_ddV)

    push!(xxi,i)
end
println(dde)

for i in 1:length(dde)
    if ddV[i] == maximum(ddV)
        println(i)
    end
end

对于欧几里德距离我得到索引7
对于垂直和垂直距离，我得到索引5.查看图表 Euclidean Distance on graph

Perpendicular Distance on graph

修改 我正在编写一本关于金融时间序列中模式识别的书。现在我下载了相同的数据，这本书使用了，现在结果是一样的。所有3种方法都给了我相同的指数。但是对于不同的数据集，方法1与2和3不同。我不知道为什么。