COURSE
4
PROGRESS
2 / 7
단원 데이터 구조화: AI 전처리 17 데이터의 규칙: 예측 로직 14 옷의 시너스: 판단 로직 1 예와 아니오: 판단 로직 6 닮은꼴 찾기: 관계 로직 7 최적의 경로: 강화 로직 7 층층이 지능: 신경망 로직 7 전체 목록
이전 문제 다음 문제

유클리드 거리 계산 구현

40 P
QUESTION 02 #348
두 데이터 사이의 직선 거리를 구하는 유클리드 거리 공식은 관계 로직의 기초입니다. 피타고라스 정리를 이용한 거리 계산 함수를 완성하세요.
main.py 
import math

def get_distance(p1, p2):
    # 각 차원 차이의 제곱의 합에 루트를 씌웁니다.
    sum_sq = (p1[0] - p2[0])**2 + (p1[1] - p2[1])**2
    return math.(sum_sq)

# 사용자 A(취향 점수 1, 2)와 사용자 B(취향 점수 4, 6) 사이의 거리
user_a = [1, 2]
user_b = [4, 6]
dist = get_distance(user_a, user_b)

print(f"두 사용자 사이의 거리: {dist}") # 결과: 5.0
# 거리가 수록 두 데이터는 서로 닮은꼴입니다.
실행 결과 예시 
sqrt, 가까울
INTERACTIVE SHELL Shift + Enter 로 즉시 실행

📏 인공지능이 느끼는 '닮음'의 기준

사람은 직관적으로 "이 둘은 비슷해"라고 느끼지만, 인공지능에게는 명확한 수치가 필요합니다.

  • 유클리드 거리: 다차원 공간에서 두 점 사이의 최단 거리를 구하는 방식입니다.
  • 공식: $\sqrt{(x_2 - x_1)^2 + (y_2 - y_1)^2}$

추천 시스템이나 군집화(Clustering) 알고리즘은 모두 이 "거리"를 계산하는 것에서부터 시작됩니다. 거리가 0에 가까울수록 두 데이터는 쌍둥이처럼 닮았다고 판단합니다.