日韩精品一区二区三区在线视频放-无码中文字幕V?一区二区-成年片免费观看视频-国内少妇人妻丰满av-国产精品中文字幕免费观看-亚洲成人久久一区二区三区-国内少妇偷人精品视频无缓冲-一区二区国产精品日本一区二区三区在线网

ARTICLE DETAIL

資訊詳情

深耕商務建站與企業(yè)官網(wǎng)運營的一線實戰(zhàn)洞察。

Python七種距離度量方法詳解:公式、實現(xiàn)與應用場景

Python七種距離度量方法詳解:公式、實現(xiàn)與應用場景 距離度量是很多算法繞不開的基礎環(huán)節(jié)做KNN、K-Means、層次聚類、推薦系統(tǒng)、向量檢索甚至評估兩個樣本之間的相似性本質上都是在算“距離”。我過去在項目里用過不少現(xiàn)成的庫比如scikit-learn里的pairwise_distances幾行代碼就能批量算完但后來發(fā)現(xiàn)如果只是無腦調接口不理解每一種距離到底在衡量什么很容易在特征選型、結果調優(yōu)的時候吃暗虧。所以這次打算把Python里最常用的七種距離度量方法一次性講透。每一種我都會給出公式層面的直觀理解、可直接運行的Python實現(xiàn)、適合的業(yè)務場景以及我實測下來踩過的坑。這七種分別是歐氏距離、曼哈頓距離、切比雪夫距離、閔可夫斯基距離、余弦距離、漢明距離、杰卡德距離。內容偏基礎但基礎不代表不重要恰恰是這些底層度量方式決定了上游算法最終能跑出什么效果。1. 距離度量方法的整體設計與選型思路1.1 為什么需要關注距離度量方式很多入門的朋友對距離度量的理解停留在“就是兩點之間算個直線長度”比如在二維平面上兩個坐標點(x1, y1)和(x2, y2)之間的距離用勾股定理就能算出來。這個直覺沒有錯歐氏距離確實是應用最廣的一種。但現(xiàn)實中的數(shù)據(jù)往往不是簡單的二維平面坐標它可能是用戶在電商平臺上的行為向量、商品評論的文本向量、圖片經過卷積網(wǎng)絡提取出的高維特征甚至是不定長的集合數(shù)據(jù)。不同的數(shù)據(jù)形態(tài)對應著不同的“距離”定義方式。我在做推薦系統(tǒng)的時候遇到過一個問題用歐氏距離去度量兩個用戶的相似度結果和業(yè)務預期完全對不上。后來仔細檢查發(fā)現(xiàn)用戶行為向量的維度之間量綱差異極大有的維度是點擊次數(shù)數(shù)值能到幾千有的維度是是否購買取值只有0或1。這種情況下歐氏距離幾乎被數(shù)值大的維度主導整個度量就失真了。這就是為什么理解距離度量不能只停留在“會調用np.linalg.norm”這個層面而是要知道每個距離公式背后的幾何意義、對數(shù)據(jù)形態(tài)的要求、以及在不同業(yè)務場景中的適配性。1.2 七種距離度量的分類與場景定位我們可以先把這七種距離做一個粗略的分類便于后續(xù)逐個展開時心里有個全局框架?;谧鴺它c幾何位置的歐氏距離、曼哈頓距離、切比雪夫距離、閔可夫斯基距離。它們適用于特征向量已經是連續(xù)型數(shù)值、且各維度具有明確物理意義的場景。這類距離是“從A點到B點怎么走”的幾何模型?;诜较蛞恢滦缘挠嘞揖嚯x。它主要衡量兩個向量在方向上的相似程度對向量的絕對大小不敏感常用于文本向量化的相似度計算?;陔x散分值或集合視角的漢明距離和杰卡德距離。漢明距離面向等長的離散序列統(tǒng)計位置上的差異數(shù)杰卡德距離面向集合數(shù)據(jù)衡量交集與并集的比例關系。在實際項目中我習慣先問自己三個問題數(shù)據(jù)是連續(xù)型還是離散型特征是否有量綱差異業(yè)務上關心的核心是“數(shù)值接近”還是“模式一致”這三個問題基本能鎖定該用哪一類距離。比如用戶畫像標簽這種離散特征我會優(yōu)先考慮杰卡德距離文本語義相似度優(yōu)先余弦距離而單純的數(shù)值型特征往往會從歐氏或曼哈頓里選。1.3 選型時的核心原則距離度量的選擇不是越復雜越好而是要匹配數(shù)據(jù)形態(tài)和業(yè)務目標。我在項目里總結出幾個原則供大家參考。量綱統(tǒng)一優(yōu)先于距離公式選擇。如果特征包含年齡、收入、點擊次數(shù)這種量綱差異很大的字段優(yōu)先做標準化比如StandardScaler否則任何基于幾何位置的距離都會失真。高維數(shù)據(jù)慎用歐氏距離。當特征維度超過幾十維之后樣本間的歐氏距離會逐漸趨于平均化區(qū)分度下降這也是“維度災難”的一種體現(xiàn)。這時候余弦距離或漢明距離往往更穩(wěn)健。業(yè)務語義優(yōu)先于數(shù)學幾何意義。比如計算用戶相似度兩個用戶的購買向量分別是[1, 0, 0]和[50, 0, 0]歐氏距離很大但業(yè)務上這兩個用戶都只買了一個商品余弦距離會判定為完全相似在這個場景下余弦往往更符合“偏好一致”的語義。不考慮效率只談效果也是不行的。在實際工程里幾千萬條樣本兩兩算距離時間復雜度是O(n2)這時候距離公式的計算成本會成為瓶頸后面我會專門講性能優(yōu)化的經驗。2. 歐氏距離與曼哈頓距離2.1 歐氏距離最常用但不一定最合適歐氏距離Euclidean Distance的幾何意義是空間中兩點的直線距離。二維平面上兩點(x1, y1)和(x2, y2)的歐氏距離公式是d sqrt((x1 - x2)^2 (y1 - y2)^2)推廣到n維空間就是每個維度差值的平方和再開根號d sqrt(sum((x_i - y_i)^2))用Python實現(xiàn)非常直接。我這里給出一個原生Python版本如果你在面試中被問到手寫距離函數(shù)這個寫法夠用生產環(huán)境直接用NumPy向量化計算就好。import math def euclidean_distance(a, b): 計算兩個n維向量的歐氏距離a和b是等長的可迭代對象 if len(a) ! len(b): raise ValueError(兩個向量的維度必須一致) return math.sqrt(sum((x - y) ** 2 for x, y in zip(a, b)))用NumPy更優(yōu)雅而且運算速度會快不少import numpy as np def euclidean_distance_np(a, b): return np.sqrt(np.sum((np.array(a) - np.array(b)) ** 2))歐氏距離是最直觀的“直線距離”在數(shù)據(jù)維度不高、各個特征已經做過標準化的情況下它的表現(xiàn)往往不錯。我之前做過一個鳶尾花分類的演示項目直接用花瓣長度、花瓣寬度這種量綱相近的特征做KNN歐氏距離就夠用。但如果特征量綱差異很大比如一個特征是0到1之間的概率值另一個特征是0到10000之間的收入金額歐氏距離就容易被“大數(shù)”帶跑偏。這種情況下有兩個思路第一對特征做標準化第二換成曼哈頓距離試試它對異常值的敏感度更低。這里有一個我實際遇到過的問題在高維稀疏向量上使用歐氏距離效果很差。比如文本的TF-IDF向量動輒上萬維但絕大多數(shù)維度是0歐氏距離會把大量的“0-0相等”也納入計算結果是所有樣本之間的距離都差不多區(qū)分度很低。這時候更適合余弦距離后面會講到。2.2 曼哈頓距離城市街區(qū)的走法曼哈頓距離Manhattan Distance的命名來源于美國曼哈頓的街區(qū)布局那里街道是方格狀的從一個路口到另一個路口只能橫著走或豎著走不能斜穿。它的數(shù)學形式是各維度絕對值差之和d sum(|x_i - y_i|)Python實現(xiàn)也很簡單def manhattan_distance(a, b): if len(a) ! len(b): raise ValueError(兩個向量的維度必須一致) return sum(abs(x - y) for x, y in zip(a, b))NumPy版本def manhattan_distance_np(a, b): return np.sum(np.abs(np.array(a) - np.array(b)))曼哈頓距離和歐氏距離的區(qū)別在于它對每一個維度的差異都賦予相同的線性權重差值不會被平方放大。這個特性讓它對離群值沒那么敏感。比如某個維度的某個樣本取值異常大歐氏距離會因為平方操作把這個異常放大而曼哈頓距離只是增加了該維度上的一個絕對差值項影響相對有限。在實際業(yè)務里曼哈頓距離經常被用在路徑規(guī)劃、網(wǎng)格場景的相似度計算當中。比如外賣配送中估算兩個地點的距離因為道路是網(wǎng)格化的直線距離反而不符合實際。又比如在L1正則化的邏輯里也是利用了曼哈頓式“絕對差累加”的特性來促使稀疏解。我在做KNN時也做過對比實驗當特征中存在噪聲較大的離群點曼哈頓距離的預測穩(wěn)定性普遍優(yōu)于歐氏距離。2.3 兩種距離的對比與使用建議用一張表格做個直觀對比對比維度歐氏距離曼哈頓距離幾何含義兩點間的直線距離網(wǎng)格路徑的折線距離數(shù)學形式差值平方和再開方絕對差之和對異常值的敏感度較高平方放大較低線性累積高維稀疏數(shù)據(jù)表現(xiàn)較差比歐氏稍好但仍不理想典型應用KNN、K-Means、圖像特征路徑規(guī)劃、稀疏特征、L1場景我的建議是如果特征經過了標準化且維度不是特別高優(yōu)先用歐氏距離因為它的幾何直覺強很多算法的默認實現(xiàn)也基于它。如果數(shù)據(jù)里存在明顯離群點或者特征維度較高但還沒到稀疏的程度可以先試曼哈頓距離。還有一種常用做法是把兩者結合起來用也就是后面要講的閔可夫斯基距離通過調節(jié)參數(shù)p來在歐氏和曼哈頓之間切換。3. 切比雪夫距離與閔可夫斯基距離3.1 切比雪夫距離象棋里國王的走法切比雪夫距離Chebyshev Distance這個名字對初學者來說有些陌生但如果解釋成“國際象棋中國王從一個格子走到另一個格子需要的最少步數(shù)”一下子就明白了。國王可以向任意方向移動一格所以距離等于兩個坐標值中差值最大的那個d max(|x_i - y_i|)Python代碼def chebyshev_distance(a, b): if len(a) ! len(b): raise ValueError(兩個向量的維度必須一致) return max(abs(x - y) for x, y in zip(a, b))NumPy版本def chebyshev_distance_np(a, b): return np.max(np.abs(np.array(a) - np.array(b)))切比雪夫距離強調的是“最突出的那個維度差異”其他維度的差異被忽略了。這個特性讓它適合處理那些只有“最大偏差”才有意義的場景。比如兩個機器人坐標系之間的同步偏差控制只要任何一個方向上的偏差超過閾值就需要校正這時候切比雪夫距離就很合適。有一個容易混淆的點需要注意切比雪夫距離不是簡單地在所有維度差異里取最大值而是先用絕對值算出每個維度的差異再在差異之間取最大。理解了這個你在用的時候就會清楚它和歐氏距離、曼哈頓距離的本質區(qū)別——歐氏算的是“總體的接近程度”曼哈頓算的是“路徑總代價”切比雪夫算的是“最壞的一步是否可控”。3.2 閔可夫斯基距離一個公式統(tǒng)一多種距離閔可夫斯基距離Minkowski Distance是一個更通用的形式它有一個參數(shù)p來決定距離的具體形態(tài)d (sum(|x_i - y_i|^p))^(1/p)當p1時它就是曼哈頓距離當p2時它就是歐氏距離當p趨向正無窮時它會趨近于切比雪夫距離。所以閔可夫斯基距離可以看作是一個“可調節(jié)的距離度量家族”通過改變p值來適配不同的數(shù)據(jù)分布。Python實現(xiàn)def minkowski_distance(a, b, p): if len(a) ! len(b): raise ValueError(兩個向量的維度必須一致) if p 1: raise ValueError(p值必須大于等于1否則不滿足三角不等式) return sum(abs(x - y) ** p for x, y in zip(a, b)) ** (1 / p)我用一個簡單的例子來驗證——兩個點(1, 2)和(4, 6)歐氏距離sqrt(3^2 4^2) 5曼哈頓距離3 4 7切比雪夫距離max(3, 4) 4p3的閔可夫斯基距離(3^3 4^3)^(1/3) 91^(1/3) ≈ 4.497可以看到隨著p增大距離值在歐氏和切比雪夫之間變化。這個公式的價值不在于說“我多記了一種距離”而在于它提供了一種調參思路你可以在同一個算法框架下用不同的p值做交叉驗證找到最適合當前數(shù)據(jù)分布的距離度量。我在做KNN調參時就用過這個思路把p作為一個超參喂給網(wǎng)格搜索讓數(shù)據(jù)自己決定該偏向歐氏還是曼哈頓。3.3 p值選擇的實踐經驗閔可夫斯基距離里的p值不是一個隨便填的數(shù)字它背后有數(shù)據(jù)分布的語義。p越小距離對各個維度的差異越敏感所有維度都會被“平均地”計入p越大距離越接近“由最大差異主導”。在實際項目中我的做法通常是先保證特征標準化否則p值再怎么調也救不了量綱問題。用網(wǎng)格搜索或隨機搜索把p值也納入超參范圍比如從1到5之間的步長0.5逐步嘗試。觀察不同p值下模型在驗證集上的表現(xiàn)變化。如果p1明顯優(yōu)于p2說明數(shù)據(jù)中異常值較多曼哈頓式的魯棒性更值錢如果p2更好說明數(shù)據(jù)的整體幾何結構比較規(guī)整。需要注意一個數(shù)學上的約束p值必須大于等于1。當p小于1時閔可夫斯基距離不再滿足三角不等式也就不是嚴格意義上的“距離度量”在一些基于距離的算法中可能會導致奇怪的結果。這是我早期踩過的坑當時為了強行放大差異把p設成0.5結果KMeans聚類結果完全不可解釋后來查資料才反應過來是距離公理的問題。4. 余弦相似度與漢明距離4.1 余弦相似度關注方向而非大小余弦相似度衡量的是兩個向量在方向上的“重合程度”計算的是兩個向量夾角的余弦值cos(θ) (A·B) / (|A| * |B|)余弦值越接近1夾角越小向量方向越一致越接近0夾角越大越接近-1方向越相反。在Python中把余弦值轉換為“距離”時一般用1 - cosine_similarity稱為余弦距離。def cosine_similarity(a, b): dot_product sum(x * y for x, y in zip(a, b)) norm_a math.sqrt(sum(x ** 2 for x in a)) norm_b math.sqrt(sum(y ** 2 for y in b)) if norm_a 0 or norm_b 0: raise ValueError(零向量無法計算余弦相似度) return dot_product / (norm_a * norm_b) def cosine_distance(a, b): return 1 - cosine_similarity(a, b)NumPy的向量化實現(xiàn)更簡潔而且你可以直接用from sklearn.metrics.pairwise import cosine_similarity底層已經幫你做了大量優(yōu)化。余弦相似度最大的優(yōu)勢是對“尺度不敏感”。比如用戶的購物向量[1, 0, 0]和[10, 0, 0]歐氏距離會認為兩者差異巨大但余弦相似度會認為兩者方向完全一樣都是只對第一個商品有偏好。這個特性在文本場景里尤其好用文檔長度不同詞頻絕對數(shù)值可能差很多倍但語義傾向可能很接近TF-IDF向量化之后用余弦相似度就能比較公平地度量。不過我踩過一個坑余弦相似度對零向量的處理需要單獨判斷。如果某個用戶沒有產生任何行為向量全為0余弦公式里分母為0會直接報錯。工程上需要給這種“零向量”一個默認相似度比如0或者在預處理階段把零向量過濾掉。4.2 漢明距離數(shù)一數(shù)有幾個位置不一樣漢明距離Hamming Distance適用于兩個等長序列統(tǒng)計它們在相同位置上不同元素的數(shù)量。定義很樸素d count(x_i ! y_i)它最早用于通信中的差錯檢測后來被廣泛用于字符串相似度、基因序列比對、二值特征向量的比較。Python實現(xiàn)def hamming_distance(a, b): if len(a) ! len(b): raise ValueError(兩個序列的長度必須一致) return sum(x ! y for x, y in zip(a, b))漢明距離也可以直接用位運算優(yōu)化。如果兩個等長的二進制向量用0/1表示異或運算可以直接統(tǒng)計差異位def hamming_distance_binary(a, b): # 這里假設a和b是等長的0/1列表 xor [x ^ y for x, y in zip(a, b)] return sum(xor)漢明距離更適合處理“離散取值”的數(shù)據(jù)比如用戶是否安裝某類App的0/1標簽、拼寫糾錯中單詞字符的差異數(shù)。在二進制特征上漢明距離的語義非常清晰兩個用戶共同安裝和共同未安裝的維度都不重要重要的是“有差異”的維度有多少。需要特別注意的是漢明距離要求序列等長。如果兩個字符串長度不一致就需要先做對齊或者切換到編輯距離Levenshtein Distance。另外漢明距離對每個位置一視同仁不考慮位置之間的關聯(lián)性所以它適合那些“每個位置獨立且有明確語義”的特征。4.3 場景區(qū)分什么時候用余弦什么時候用漢明這兩類距離在很多項目里容易混淆我分享一個自己的判斷標準如果特征是連續(xù)數(shù)值向量比如TF-IDF、詞向量均值池化、深度學習embedding優(yōu)先用余弦相似度。因為這些向量本身帶有“方向”語義而且通常維度高歐氏距離的維度災難問題會比較嚴重。如果特征是等長的離散編碼尤其是0/1二值特征優(yōu)先用漢明距離。比如用戶是否安裝某類應用、是否具備某些標簽這種情況下位置的差異本身就是業(yè)務差異漢明距離解釋性強。如果特征是集合形式的數(shù)據(jù)比如用戶購買了哪些商品、文檔包含哪些關鍵詞那更合適的是杰卡德距離這正是下一個要講的內容。我自己在做一個App用戶分群項目時用漢明距離對安裝列表特征做聚類效果顯著優(yōu)于歐氏距離——原因也很簡單安裝列表是0/1矩陣歐氏距離會平方放大差異相當于給“同時未安裝”的維度也賦予了權重而這部分權重在業(yè)務上沒有意義。5. 杰卡德距離與整體對比總結5.1 杰卡德距離集合視角下的相似度杰卡德相似度Jaccard Similarity衡量兩個集合的交集大小與并集大小的比例J(A, B) |A ∩ B| / |A ∪ B|對應的杰卡德距離為d_J(A, B) 1 - J(A, B)Python實現(xiàn)可以用原生的set操作def jaccard_similarity(a, b): set_a set(a) set_b set(b) intersection len(set_a set_b) union len(set_a | set_b) if union 0: return 1.0 # 兩個空集合認為是相似的 return intersection / union def jaccard_distance(a, b): return 1 - jaccard_similarity(a, b)杰卡德距離的關鍵在于它只看“是否出現(xiàn)”不看出現(xiàn)次數(shù)的多少。比如用戶A購買了商品集合{牛奶, 面包, 雞蛋}用戶B購買了{牛奶, 可樂, 薯片}兩個集合的交集是{牛奶}并集是五個商品杰卡德相似度為1/5 0.2距離為0.8。這個視角天然適合標簽數(shù)據(jù)和集合型數(shù)據(jù)。我實際業(yè)務中用杰卡德距離最多的場景是“用戶興趣相似度”計算?;ヂ?lián)網(wǎng)產品里用戶畫像經常被表示成一組標簽集合如果用歐氏距離去處理標簽編碼后的稀疏向量效果很差但用集合直接求交并比就很干凈。另一個典型場景是推薦系統(tǒng)中的物品相似度比如同時被很多人購買過的商品列表用杰卡德系數(shù)可以找出真正的關聯(lián)商品。5.2 七種距離的Python實現(xiàn)匯總上面每種距離已經給出了具體函數(shù)這里把它們放到一起方便在項目里直接復制使用。我習慣把這一組函數(shù)封裝成一個模塊方便不同項目復用import math import numpy as np def euclidean_distance(a, b): return math.sqrt(sum((x - y) ** 2 for x, y in zip(a, b))) def manhattan_distance(a, b): return sum(abs(x - y) for x, y in zip(a, b)) def chebyshev_distance(a, b): return max(abs(x - y) for x, y in zip(a, b)) def minkowski_distance(a, b, p): if p 1: raise ValueError(p值必須大于等于1) return sum(abs(x - y) ** p for x, y in zip(a, b)) ** (1 / p) def cosine_distance(a, b): dot_product sum(x * y for x, y in zip(a, b)) norm_a math.sqrt(sum(x ** 2 for x in a)) norm_b math.sqrt(sum(y ** 2 for y in b)) if norm_a 0 or norm_b 0: return 1.0 return 1 - dot_product / (norm_a * norm_b) def hamming_distance(a, b): if len(a) ! len(b): raise ValueError(兩個序列的長度必須一致) return sum(x ! y for x, y in zip(a, b)) def jaccard_distance(a, b): set_a set(a) set_b set(b) union set_a | set_b if len(union) 0: return 0.0 intersection set_a set_b return 1 - len(intersection) / len(union)5.3 七種距離的整體橫向對比用一個表格把核心差異列出來方便查閱距離名稱核心思想適用數(shù)據(jù)形態(tài)對量綱敏感度對異常值敏感度歐氏距離直線距離連續(xù)數(shù)值向量高高曼哈頓距離折線路徑和連續(xù)數(shù)值向量高中切比雪夫距離最大差異連續(xù)數(shù)值向量高中閔可夫斯基距離可調p值的廣義距離連續(xù)數(shù)值向量高隨p變化余弦距離方向夾角高維向量、文本低低漢明距離等長序列位置差異等長離散序列、0/1特征不適用低杰卡德距離集合交并比集合、標簽、離散項不適用低這張表在實際項目中幫我節(jié)省了大量對比時間。遇到一個新任務先看數(shù)據(jù)結構再查這張表基本就知道從哪里下手。另外補充一個容易被忽略的細節(jié)在scikit-learn的多個聚類和KNN算法里距離參數(shù)可以直接通過字符串指定比如metriceuclidean、metricmanhattan、metriccosine、metrichamming、metricjaccard而閔可夫斯基距離需要額外傳p值。官方文檔里還有更多距離可選但本質逃不開上面這幾種原始思路。6. 常見問題與實測經驗記錄6.1 要不要先對特征做標準化答案是只要使用幾何類距離歐氏、曼哈頓、切比雪夫、閔可夫斯基就必須做標準化。這不是一個可選項而是必須項。我自己吃過虧用未標準化的一堆特征跑KNN效果極度依賴量綱大的維度換了個排序方式結果完全變了個樣。標準化的方式根據(jù)業(yè)務特性來選如果數(shù)據(jù)近似正態(tài)分布用StandardScaler如果數(shù)據(jù)存在較多離群值用RobustScaler它基于中位數(shù)和四分位距對離群值更魯棒如果特征是稀疏的比如TF-IDF通常不進行標準化而是直接用余弦距離。6.2 高維數(shù)據(jù)到底選哪種距離高維數(shù)據(jù)下歐氏距離會趨近失效這已經被很多人驗證過。我自己做過一個實驗在50維的隨機數(shù)據(jù)上計算樣本對之間的歐氏距離發(fā)現(xiàn)距離值分布非常集中區(qū)分度極低。這時候建議改為余弦距離或漢明距離。但余弦距離也有自身的盲區(qū)它對向量的絕對大小完全不敏感。在有些場景里大小恰恰是業(yè)務信號比如用戶活躍度相差懸殊兩個用戶行為方向一致但活躍度差了100倍余弦距離會判定為完全相似這種結果可能不符合預期。更嚴謹?shù)淖龇ㄊ墙Y合多種特征準備一個綜合的相似度評分體系而不是指望單一距離解決所有問題。6.3 計算性能優(yōu)化經驗距離計算在兩兩比對場景下很容易變成性能瓶頸。比如十萬元的用戶向量兩兩計算就是百億級別的運算逐層for循環(huán)會慢到懷疑人生。我的優(yōu)化經驗按優(yōu)先級排列如下。第一用向量化計算替代Python循環(huán)。NumPy的廣播機制允許你一次算完一整批距離。比如計算一個矩陣中所有樣本兩兩之間的歐氏距離用scipy.spatial.distance.cdist(X, X, metriceuclidean)效率極高。第二利用矩陣運算加速。歐氏距離有一個等價展開公式d^2 |A|^2 |B|^2 - 2AB^T用NumPy矩陣乘法一步到位比雙重循環(huán)快幾個數(shù)量級。這也是很多向量檢索庫的底層優(yōu)化思路。第三大數(shù)據(jù)量下用近似索引。幾十萬上百萬級別的高維向量要實時檢索最近鄰暴力計算根本扛不住這時候應該用近似最近鄰庫比如faiss或hnswlib它們內部做了索引和剪枝檢索速度能提升幾個量級。工程上不要為了“純Python實現(xiàn)”而放棄性能選擇合適的工具才是專業(yè)做法。6.4 我對距離度量這件事的整體體會做了這么多項目我的感受是距離度量雖然只是算法鏈路里的一小步但它決定了模型看待數(shù)據(jù)的方式。選錯距離后續(xù)調參、加特征、換模型都很難挽救選對距離很多問題在數(shù)據(jù)處理階段就已經有了高區(qū)分度的表示。最后再分享一個小技巧在方案驗證階段可以同時用幾種距離度量跑同一套算法把距離作為超參網(wǎng)格搜索的一部分。整個過程不需要太多額外代碼但能讓你快速了解當前數(shù)據(jù)的“距離偏好”長期下來會形成一種直覺看到一份數(shù)據(jù)就能大致判斷該用哪種距離。這種經驗沒法速成但通過這篇文章里的實現(xiàn)和對比表格你應該能少走不少彎路。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
色网亚洲人| 18+91网站| 亚州色综合| 久久av成人无码免费| 熟妇一区二区三区| 九九热免费国产视频婷婷伊人| 欧美色图下一页| 综合亚洲欧美| 一本一道vs波多野结衣| 五月婷婷激情网| 天天干夜夜肏| 一本久道在线综合视频| 最新亚洲风情电影| 亚洲无码成人精品| 国产九九久久久精品| 99热这里只有精品1| 欧美日韩国产高清在线一二三区 | 欧美性爱一区二区三区| 天天综合网日韩7799| 国产精品一区二区在钱播放| juliaann丝袜| 日本网色| 少妇贴图| 女生看匆91网站| 一级做a爰片久久毛片图片| 99热色这里只有精品| 日韩欧美麻豆| 亚洲中文字幕网| 日韩欧美中文字亚洲慕| 中文自拍欧美影视| a啊啊啊啊啊啊啊啊一区二区| 欧美亚洲第一页| 91色噜噜狠狠| 国产亚洲精品精AV.| 国产乱码久久| 性色高清..……| 浪人综合网| 色97综合中文字幕| 国产福利精品最新在线| 三及片网站| 91三级理论片播放器| 免费超碰97久久| 操逼不卡中文字幕| 青青草字幕AV| 国产999精品久久久久久| 日韩一级二级三级免费看完整版 | 超碰地址久久| 丝袜美腿诱惑亚洲欧美视频在线观看| 国产精选视频| 青青草日本无码| 2018天天日天天日| 91激情国产| 久久久激情| 97超碰色色| 97色欧州| 亚洲精品中文字幕一区在线视频| 人人模人人看| 亚洲人久久久网| 狠狠综合网| 综合网91| 欧美偷偷网| 手机看av网站在线看| 婷婷性网| 欧美72网页| 亚洲超碰在线| 国产精品久久久无码AV网站| 91丝袜美女视频| 混色激情av| 搡老女人老妇女AAA一VU麻豆 | 亚洲一区二区三区AV无码| 欧美色图自拍| 超碰午夜| 丁香婷婷激情五月天无毒不卡| 偷拍自拍在线视频观看| 国产99999| 91麻豆天美传媒HD| 99久久婷婷国产综合精品草原| 最新日本中文字幕| 中出20p| 发朗少妇买婬全视频中文| 国产福利一区二| 欧美97免费| 91美女在线视频| 99自拍视频在线观看| 欧美中文字幕日韩在线| 人妻天堂网| 久久日本熟女精品一区| 厕所偷拍在线| 天天综合色电影| 人人操人人大香蕉| 欧美色女人| 人妻另类| 国产久久久9999| 亚洲1区| 天天综合网日韩7799| 欧美春色| 大香蕉手机在线| 999狠狠综合| 老熟女乱子伦中文字幕一区二区| 熟女探花啪啪| 91日韩网站| 国产精品电影推荐| 91亚洲欧美色图| 曰韩成人免费视频| 乳欲人妻办公室奶水| 欧美操逼一二三区| 日本精品999| 91美女在线视频| av网站在线观看了| 992这里有精品| 天天日夜干| 国产h小视频在线观看免费| 国产乱伦性爱区| 国产欧美一区二区| 欧美少妇一区二区三区| 亚洲最大AV网| 激情丁香五月婷婷| 九九热久久99精品re| 性91| 亚洲熟女综合一区二区| 欧美后入视频| 久久久久9999精品九九九| 日本亚洲vr欧美不卡高清专区| 人妻啊啊人妻啊| 国产成人无码网站在线视频| 国产久久日韩网站导航| 男人的天堂午夜av| 欧美十八禁网站| 国产精品人妻熟女aⅴ| 日韩内| 国产精品久久久亚洲第一牛牛_在线观看 | 亚洲脚交| 97亚洲色图| 欧美中文综合| 久久在线观看免费视频| 欧美激情性爱视频网站| 凹凸视频特色日本特黄| 欧美午夜精品久久久久久超碰| 午夜天堂精品久久久久91| 丁香五月影院| 97久久精品国产| 久久一区二区加油站| 人妻激情视频| 成·人免费午夜在线观看| 国产精品高潮久久久无码| 日韩一级欧美一级国产一级台湾| 久久精品中文字幕观看| 五月婷婷无码| 人人澡综合涩| 九九九只有精品| 日日夜夜精品视频| 91三级理论片播放器| 99热啪啪| 国产十八禁视频| 1204人成网站色www| 啊啊啊好舒服视频| 96久久精品一二三区色欲| 亚洲另类电影| 黑人中出21连凳花野真衣| 加勒比久久av| 中国一级特黄大片护士| 少妇国产不卡| 国产欧洲精品亚洲午夜拍精品| 偷拍新久久| 亚洲春色一区二区三区| 大伊香蕉在线视频免费| 欧美高清性猛交| 亚洲超碰综合网| 久久人妻熟女一区二区 | 大黄片做爱的大的| 国产少妇与亚洲av| 玖玖超碰熟| 日韩免费簧片| 日本在线不卡一二区| 老女人日韩美91| 91色射| 国产成久久综合片| www.色婷婷.com| 国产精品久久久久久久免牛肉蒲团| 超碰色大香蕉| 成人网站 免费观看| yazhousetuoumei| 99re在线视频这里只有精品 | 尤物视频新赏网鲜网色诱网| 尤物网址| 新精精品久久精品| 免费久久一级毛片大黄| 日韩精品区二区三区不卡| 另类成人首页一区| 日韩99精品视频综合区| 亚洲日韩精品在线播放| 亚洲AV在线资源| 97超碰磁| 国产美女激情| 亚洲熟妇乱女区二区三区| 中文字幕文字幕无码一区二区三区电影99| 少妇久久久| 五月天婷婷综合网| 超碰色图| 亚洲综合婷婷| 欧洲亚洲人妻无码久久三区四区| 免费在线黄片视频| 亚洲综合图片在线| 久久亚洲AV无码专区首页| 亚洲人成色9999精品久久| 欧美色97| 啊啊啊好爽快点啊啊啊嗯嗯| 亚洲精品97久久| 天天插天天操| 少妇天堂| 伊人天堂在线| 欧美日韩国产成人高清| 亚洲精品 超碰| 97亚洲综合| 久久最新免费视频23| 久久国产精品m码| 操操啪| 欧美九九九九九| 国产综合网站在线播放| 国产精品久久久久婷婷二区次| 日韩性爱网址| 花花AV导航| 97操碰| 免费99精品国产自在在线| 欧美麻豆成人同性GⅤ在线| 天天操天天日青青草超碰av| 9久久精品| 亚洲色宗合| 色狠狠综合噜一二三区| 国语国产操逼伊人AV网| 午夜精品久久久久久久99| 日韩av在线播放不卡| 999色欧美中文字幕| 丝袜 亚洲 偷拍| 啊啊啊在线观看| 另类图片亚洲加勒比另类图片亚洲加勒比另类图片亚洲加勒比 | 丁香五月综合| 78精品| 免费观看有码高清视频| 亚洲成人在线高清| 综合亚洲网| 九九热免费国产视频婷婷伊人五月 | 清清一区二区三区四区不卡视频| 少妇被玩视频二三区| 天天影视射综合网| 91婷婷| 另类欧美色| 蜜桃久久久久久久| 操逼不卡中文字幕| 一区超碰一区| 日本A级视频| 欧日a| 视频国产欧美在线播放| 日韩精品怡红院| 国产精品秘 福利姬在线观看| 亚洲成成熟女人综合一区二区| 久久久com| 综合久久久久久久综合网| 日本天堂在线播放| 天天欧美色| 综合五月婷婷亚洲一区| 91色综合| 色网亚洲人| 人夜夜精品网站香蕉嫩草| 黄色av网站在线播放| 日本幼女18+| 看黑人AV不卡| 婷婷丁香六月| 在线观看成人性爱免费小视频| 五月天色电影| 亚洲国产一级中文综合久久天堂在线免费观看| 99热久| 欧美另类综合久久| 操婢日韩| 国产午夜精品理论片a大结局| 久久亚码| 精品无码久久久久久久久果冻糖心| 男人天堂综合| 精品少妇后入一区二区三区四区人妻巨乳| 青娱乐久久艹| 中文视频在线观看| 天天伊人| 999久久久国产精品| 自拍亚洲综合| 国产熟女| 中文乱码99| 婷婷五月天网| JULIA一区二区三区在线播放| se吧提供国产乱老熟视频胖女人 | 日韩精品碰碰| 精品国产Av无码久久久伦古装| 亚洲图片 激情小说| 95精品在线| 国产高清免费不卡av| 超碰97护士| 日本道人妻久久久在线不卡色视频| 97精品97| 欧美日韩天堂| 爱妻综合网| 久草资源在线视频官方总站日韩丝袜美腿 | 四虎影院成年人片| 欧美亚洲丝袜人妻制服中文99| 久久亚洲人妻| 亚洲少妇色图自慰直播| 国产老熟女| 欧美超碰9798| 国产又黄又爽| 亚洲激情视频| 13小男生GAY自慰脱裤子| 日本精品一区二区三区四区的功能| 超碰偷拍| 亚洲天堂男人的天堂| 超碰在线91| 夜夜国自区| 粉嫩久久久极品| 无码人妻丰满熟妇区毛片| 少妇丝袜在线观看AV| 久久亚码| 熟妇高潮二区三区| 天天92av| 欧差乱伦二三| 中日韩欧美精品无码AⅤ一区二区| 97在线观看播放视频| 欧美色偷偷| 九九热三级片| 国产女同视频在线播放| 午夜电影在线观看无码专区| 久久后入制服| v91av| 不卡日本一区二区| 日韩欧美中文日韩欧美色| 国产熟女乱论| 丁香五月综合| 亚洲大色堂| 国产青视频| 欧美洲精品一级| 日韩精品亚洲一二三| 久啪视频| 国产色图乱伦| 欧美丝袜制服久久| 五月色丁香| 久久久9品一区二区三区| 黑人中出21连凳花野真衣| 亚洲男人天堂2013| 亚洲成成熟女人综合一区二区| 久操97| 啪啪资源网| 国产夫妻性生活视频| 99re超碰| 国产亚洲禁久一区二区| 伊人大香蕉在线| 久久9精品网站| 超碰97久久| av绯色| 校园春色 男人天堂| 麻豆伊人网| 大香蕉中文网| 手机在线播放国产福利| 91久久精品蜜臀| 亚洲欧洲久久天堂| 九九草| A 天堂在线观看视频| 中文字幕二区日韩天堂| 精品在线78| 操啊国产| 啊啊啊好爽快点啊啊啊嗯嗯| 日本亚欧爱爱| 欧美亚洲素人制服精品| 在线观看国产黄色| 人人做,人人操,人人摸| 日本色色网| 大屁股熟女一区二区三区| 免费观看一区| 91粉嫩萝控精品福利网站_精品影音先锋国 | 18禁久久| 亚洲一级性爱视频免费看| 任你草| 免费超碰97久久| 婷婷视频网| 福利视频香蕉免费一区二区在线| 精品亚洲| 精品999999| 女人18精品一区二区三区| 99啪啪| 一区二区三区 丝袜 高跟 美腿| 一级片在线观看高清无码| 天堂中文资源在线bt| 精品人妻一区二区免费蜜桃| 91五十路| 天美精品av| 亚洲中文丝袜美腿诱惑字幕| 天天综合网日韩7799| 殴美综合色88| 伊人综合色网| 亚州欧美色图| 欧洲天天在线| 热99re69精品8在线播放| 在线v中文字幕一区二区三区| 97国产天堂岛| 大香蕉视频一二三区| 91精品人妻一区二区-全集完整版免费正片国语-B02AV | 91熟女熟妇视频网站| 色老汉色| 一个国产在线综合网站| 国产成自自拍在线观看| 最新亚洲人成网站在线影院| 无码久| 人人人人插| 天天内射| www…国产操逼| 全国男人天堂网| 九九亚洲| 97色伦97色伦国产欧美| 色综和网| 大香蕉九九| 啊啊啊无码| 99色悠悠| 青青草毛片| 欧美嗯啊……在线观看视频免费| 99无码狠狠久久| 97色97好| 国产亚州高清国产拍精| 久久风骚城市| 中日无幕一二三四区| 人人妻碰人人免费| 成人热久久精品| 亚洲无吗在线视频| 午夜久久久| 亚洲另类在线观看| 国产精品白丝在线播放| 欧美 亚洲 综合 制服 另类| 再深点灬舒服灬太大了好硬好爽| 蜜臀一区二区三区亚洲最新章节在线观看 - 高清蜜臀一区二区三区亚洲全集播放 | 欧美色就是色| av天天在线| 色九九综合| 日本伦乱九九九综合| 亚洲久久久久| 色五月第四色| 丰满的三级少妇欧美久久久| 亚洲色图欧美色图另类图片| 有码色中文字幕在线观看| 家庭乱伦性爱av| 日产精品久久久一区二区| 欧美后进式| 国产日韩欧美操逼视频| 亚洲精品久久久久久| 日本在线不卡v二区| 97欧美日韩| 久久精品夜色国产亚洲AV| 天天天天天干夜夜夜夜夜操| 国产精品人妻免费精品| com 首页 18岁 禁区 女优 免费 精选 同城 | 男人天堂欧美| 欧美性天天影院| 91xingse| 操人91| 少妇久久| 色妇综合网| 999九九精品| 天天综合精品| 五月天色色网站| 色官网色综合| 91精品人| 丰满人妻-区二区三区免费看| 成人热久久精品| 久久精品国产亚洲AV高清演员表| 91高潮| 女上位精品在线| 超碰性爱97| 五月婷婷综合网| 久久精品亚洲成a人天堂| 新亚洲无码| 男女啊啊啊| 1.igao73.com 加入收藏 免费专区 国产精品 中文字幕 日韩精品 欧美精品 精彩 | 日熟女| 97亚洲中文| 九九av| 中美日韩毛片| 日韩有码一区三区| 99亚洲天堂| 熟女人妇一区二区三区| 东北丰满熟女国产一区| www.亚洲成人一区| 国产成年女黄特黄| 精品视频一二三中文| 麻豆一区二区AV天美| 色网综合网| 亚洲 欧美 另类 日韩 人妻一区| 男人的天堂网免费| 伊人久久大香线蕉无码| 国产在线强奸视频| 国产日韩欧美操逼视频| 色y情视频免费看| 精品日韩人妻精品一二三区| 凹凸视频在线一区二区| 久久久久久久强迫| 亚洲码在线中文在线观看| 国产真乱mangent| 国产在线视频午夜精华在| 火箭成精品视频884必出精品| 天天射夜夜骑| 女人综合网| 综合 亚洲 欧美| 久久成人午夜狠狠| 亚洲日本天堂| 大香蕉一人| 久久国产乱子伦精品免费女,网站| 国产999精品久久久| 亚洲激情在线| 亚洲av青草久久一区二区| 亚洲人成网站7777| 久久直播国产| 亚洲砖码砖专无区2023| 综合婷婷| 精品十三区| 亚州综合AⅤ| 免费亚洲国产精品久久一区| 91亚洲狠狠色| 欧美色干| 日韩一级性爱无码| 免费在线黄片视频| 中文字幕jul-617人妻熟女| 熟妇人妻精品一区二区视频色欲| 亚洲天堂女优在线| 99re99视频在线免费观看| 99re在线视频| 久久久999| 日韩无码a片| 超碰人人超在线观看| 成人av免费观看| 青青草吊丝| 偷拍色图| 91美女视频在线观看| 狠狠久久手机视频精品| 去干网最新版| 亚洲色性情三级| 爱丝福利| 精品国产乱码| 99精品视频在线观看| 抽查国产福利主播| 99精品综合久久久久五月天| 人人操人人色网| 亚洲暴力强奸AV| 日韩欧美视频青青| 国产青青美女玩逼视频| 中文 人妻 制服| 51一区二区三区| 91精品国产高清久久久久久,亚洲成人| 日本精品第一视频在'| 嗯啊啊啊轻点视频| 国产精品不卡少妇白| 欧美人人操人人插| 日本一级黄色电影| av线电影| 久久精品国产99精品亚洲蜜...| 亚洲精品日韩国产欧美| 日韩三级在线观看mp4| 91n处女在线观看| 亚洲AV无码黄色强奸| 天美国产精品| 78m啪啪啪| 亚洲成人无码影院| 一区二区三区日韩欧美| 九九九网站| 国产亚洲综合欧美一区| 日韩啪啪啪视频| 起碰97| 极品尤物女神在线观看| 亚洲视频,小说| 国产深喉视频一区二区| 色情综合| 欧美专区17页| 国产欧美岛国精品一区| 久久久蜜桃一区二区三区| 精品人妻一区春色| 中文字幕一区二区免费在线| 久久综合乱子伦国产免费| 九七毛片九九毛片| 亚洲av综合色区图片亚洲| 五月天婷婷色| 久啪视频| 欧美亚洲尤物久久| 97爱b| 亚洲欧美综合区自拍另类| 欧亚乱色熟一区二区三四区| 五十路熟女人妻一区二区在线观看| 3p国产欧美99热| 丝袜视频网国产90| 熟女六十路| 蜜桃精品一区二区三区久在线| 欧美呦呦性爱| 日韩超碰精品综合| 蜜臀AV秘一区翔田千里| 色五月69夫妻| 国产精品播放| 色婷婷小说| 天天干人人乐| 欧州色图区| 国产一级高清免费观看| 五月黑AⅤ| 欧美日韩国产成人高清| 久久一二三四不卡 | 1区2区3区中文字幕日韩| 中文?日韩?免费?精品| 香蕉久久国产AV一区二区| 四虎免费在线播放| 丝袜美腿制服人妻二区中文字幕 | 高清不卡视频| www.色吧5.com| 欧美少妇高潮久久91| 一区二区影院| 亚洲资源吧| 欧美日韩高潮喷水91| 日韩av性爱在线播放| 白丝少妇一区二区| 日人妻视频91| 在线视频资源| 日韩熟女精品无码专区一区二区| 国产精品亚洲色婷婷久久久| 日韩欧美中文字| 日韩色欲久久一二三四区| 精人妻无码一区二区三区伊人直播| 黑人精品XXX一区一二区| 亚洲、日韩、综合、另类| 精品美女久久久久| 综合色久欲| 蜜臀久久99'精品久久久| 亚洲一区日韩| 韩美日操逼| 任我爽在线视频免费观看 | 国产av强奸美女| 97久久精品不卡| 99热免费| 成人一级性爱| 深夜视频| 91AV天美在线视频| 亚洲少妇喷视频看| αⅴ天堂| 久久久久久裸体| 久久精彩视频9| 人妻中文字幕日韩电影| 中文字幕在线观看网址| 美女网站黄页| 蜜桃中文字日产乱幕4区| 精品一区二区综合熟妇| 欧美天天| 超碰97极品9| 神马午夜久久久| 日韩精品一二三四| 99精品视频在线观看免费| 亚洲天堂2020| 三级特黄60分钟播放| 久久东京热成人| 丁香激情五月天| 国产不卡免费在线视频| 超碰97久久| 亚洲色天堂九9| 中文字幕-区二区三区四区视频中国| a在线视频免费观看| 无码区蜜乳| 精品人妻av区天天看片| 久久久78| 久久久久久久综合,国产| 91色综合激情| 日本美女性生活久久久久久久| 狂操嫩妻视频一区二区三区| 欧美色91| 国产吞精a级片激情电影| 在线五区| 午夜色婷婷| 中文字幕视频二区| 国产精品一二三免费网站| 夜色97| 天天色综合图片| 久久女婷| 久操热线| 亚洲另类电影| 爽 好舒服 无码刺激久久| 日本丝袜人妻内射| 涩涩涩综合| 人人 操人人 操人人| 日韩精品资源专区二区| 亚洲综合小说另类图欧美视频激情小说色五月天 | 99热在线观看| 亚洲国产日韩欧美熟妇在线| 一级特黄aaa大片在线观看成人一级片在线观看 | 欧美男女午夜啪啪| 伊人天堂在线| 日韩欧美成人大香蕉| 亚洲性爱高潮影院| 亚洲男人天堂Av| 亚洲丁香花色| www五月| 97av在线视频| 日本一区二区做爱的视频| 无码天天操| 色色香蕉| 干婷婷综合网| 91日本在线观看| 大香蕉AV在线| 中文字幕一区av| 啊a一区在线| 欧洲乱码一区二区| 大香蕉宅男伊人| 豆花视频操逼网址| 成人性爱AV在线免费观看| 校园春色亚洲| 日韩无限资源| 久久AV无码AV| 国产成人在线观看网址| 久久中文字幕不卡人妻| 先锋影音av先锋一区| 欧美一区二区日韩三区| 精品国产91av一区二区三区| 97精品熟女少妇一区| 无码操逼网| 日日日日日| 欧美色五月| 一个人在线看的黄色电影网站| 成人热久久精品| 9999久久久久| 嗯嗯不要视频| 国产精品高清2021在线| 岛国视频免费在线观看| 色色色欧美| 麻豆天美制片厂网站视频| 偷拍综合亚洲| 欧美一区二区| 国产精品嫩草久久久久| 色偷偷综合91久久噜噜| 国产精品农村妇女| 婷婷干黄色| 另类一区| 色综合久| 校园春色中文字幕AV| 亚洲熟女乱综合一区二区在线-...亚洲国产日韩欧美一区二区三区,久久久久久精 | 国产1024在线播放| 99视频这有这里有精品| 色香色欲天天综合网天天来吧| 精品视频久久久久九九九九9999| 久久久久9999| 三级片大波波| 超碰97网址| 天天性射网| 日韩精品字幕| 成人国产精品三级A片| 91精品人妻一区二区三区蜜桃臀| 97超级色碰碰| 一区在线精品中文字幕| 免费A V在线| 欧美一二在线| 国产不卡的视频| 欧美精品三级黄片| 国产精品久久久久久片| 天天看综合网| 婷婷影院入口| 毛片17S| 天天色综合影视网| 一级性爱啪啪视频| 亚洲s在线观看| 天天干人人乐| 亚洲一本大道中文字幕无码在线| 性欧美体内射精| 野狼福利社区| 自拍鲍鱼一区在线高清观看免费| 亚洲 图片 欧美 色图| 偷偷人人精品女女久久| 黄色一区二区秘书性感| 91在线免费观看处女| 亚洲久久天堂| 久久精品店| 天天综合网1| 最新亚洲黄色免费电影| 69精品人人人人| 99最新日韩偷拍视频| 女人被男人桶爽视频网站| 人妻天天操天天爽视频免费| 久久久青青草| 狠狠爱夜夜| 久热精品在线| 久久AV无码AV| 操操操日本的逼| 免费黄色视频网址| 能直接看AV的网站| 热久日综合| 蜜臀无码视频在线观看| 素人播放一区| 日本加勒比无码专区| 五月丁香婷婷啪啪| 超碰日韩美妻| 殴美大黄片| 骚逼自拍99| 精品一区二区人妖| 欧美日韩岛国大片在线观看| 91激情综合| 草蕉影视亚洲无码| 免费人人搞97| 久久精品国产97欧美精品亚洲| 中文字幕三四区| 蜜乳AV一区| 亚洲欧美精品91| 亚洲欧美国产其他二区| 67194无码不卡| 亚洲国产精品无石码久久| 99热这里只有精品9| 超碰97伊人| 国产女人高潮视频| 日本操逼无码| 久久手机好看网站| 久草精品国产99| 青青操在线亚洲视频观看欧美在线 | 亚卅熟女乱色| 尤物视频新赏网鲜网色诱网| 天堂种子在线www网资源| 欧美78P| 人夜夜精品网站香蕉嫩草| 外国免费性情大片| 久久理论字幕视频| 久久久国产av美女私房| 后入福利| 日韩偷拍色图| 国产精品亚洲无码| 婷婷探花久久精品一区| 桃色五月天| 91精品久久久| 九九超碰综合网| 婷婷丁香六月| 亚洲欧美一区二区网址| 国产精品久久久久久久免牛肉蒲团| 尤物国产一区在线观看| 啊啊啊久久| 99re9这里只有精品| 亚欧成人中文字幕一区| 久久久女人| 免费中文在线| 久久性爱视频免费看| 福利在线视频一区二区| 久久ww| 亚洲日韩视频二区| 欧美男人亚洲天堂| 人妻激情另类| 日本日逼高清| 97chaopengongkai| 婷婷色网| 久久久无码av精| 日韩欧美性爱电影在线观看| 久久一本大香蕉 | 家庭乱伦性爱av| 成人性生活高清视频在线播放| 精产国品一区二三产品| 综合久久99| 精品三级在线专区| 亚洲天堂资源在线| 大香蕉综合久久| 日韩人妻少妇 一区二区三区| 欧美另类精品xxxx| 2017天天操天天日| 蜜臀色乳| 97国产色综合| 日本理论在线| av天堂天堂av日韩| 干超碰碰熟女| 97 国产精品| 黄资源| 天天操天天射青青草| 午夜婷婷| 97国产高清视频在线观看| 富女玩鸭子一级毛片| 欧美男人的天堂| 国产熟女少妇一区| 亚洲第一无码播放立川理惠| 国产久久成人| 青草成人免费视频一com| 97亚洲自在精品在线观看| 91视频国品一二三区| 国产精品香蕉热久久新品| a片偷拍视频| 青草成人免费视频一com| 中文字幕视频二区| 骚熟女AV网| 久久美国毛片| 亚洲淫色网中文| 九九九综合精品| 国产视频三区四区| 天天干,天天日| 中文字幕免费看大片| 无码137片内射在线影院| 日本不卡中文| 国模久久在线| 欧美亚洲厕所精品偷拍91| 亚洲不卡不卡中文字幕不卡| 欧美日不卡| 欧美不卡在线美女| 天美传媒国产原创中文字幕亚洲欧美另类 | 成年男人的天堂| 荡小穴在线观看| 性欧美另类高清| 91蜜臀在线久久久久| 激情婷婷五月天| JIZZJIZZ国产精品喷水| 日本操逼二区| 中文字幕精品区先锋资源| 黄片aaaaa一区| 久久久 国产精品| 人成午夜免费大片| 国内毛片婷婷六月色| 无码最新| 婷婷五月天激情网| 99色综合| 九九热免费国产视频婷婷伊人五月 | 欧美日韩亚洲五月天婷婷| 久久九操在线观看| 91女优在线观看| 蜜桃臀一区二区aV| 91在线国产后入风骚翘臀美女素人| 激情图片亚洲色图| 色超碰综合| 桑老女人九区| 啊v在线观看视频| 東南亚性呦成人伦理资源在线视频| 国产一二三福利视频网| 天久久久噜噜噜久久国产精品爽爽| 曰韩中文人妻视频| 国产精品96| 欧美日韩大黄片| 欧美日韩性爱无码| 色爱国产| 96AV精品| 欧美九九爱| 东北老女人的激情视频| 欧美在线视频观看一二三四区高清| 久久久草草精品| 人人妻人人爽一区二区三区| 国产高清亚洲日韩一区| 日本免费一级AAA大片器| 日本 欧美 国产一区| 欧美日韩m| 肥臀熟女福利视频一区二区| 密臀在线免费观看| 高清肉丝中文无码| 淫纸中9区| 精品久久久久久中文字幕视频免费| 久久黄片国产一区二区| 亚洲情色中文字幕一区| 日本三级久| 亚洲色入欧美| 国产路线专区| 人妻 中文 日韩| 五月天伊人| 一二三四视频在线社区中文字幕| 欧美伊人电影| 成人性爱av| 狠狠五月天| 九九九精品一区二区无码| 高清无码学生妹高潮| 国产精品永久免费10000| 亚洲欧美国产日本一区二区三区| 中文字幕一区 二区三四五 区日 日骚 | 黄片qw| 老司机射| 啊啊啊97视频| www欧美91| 在免费jIzzjIzz在线视频| 国产伊人自拍| 欧美性五月| 无遮挡男女激烈动态图| 国产亚洲禁久一区二区| 蜜桃久久久久久久| 欧美激情区| 在线可观看的黄色网址| 1024久久高清视频| 欧美草草| 天天插夜夜操| 91久久久久久久久久久| 欧美综合狠| 色黄污美女啪啪啪免费网站| 九九热最新| 97se亚洲| 久久久久国产精品喷潮免费观看臀| 草蕉影视亚洲无码| 爱爱动态60秒| 激情五月天婷婷| 久热99999| 日韩Va亚洲va欧美Ⅴa久久| 午夜福利久久久噜久噜久久综合| 国产一二三在线视频五十路| 亚卅熟女乱色| 69丨亚洲丨精品丨入口免费播放| 国内精品a| 久久欧洲| 国产高清午夜成人在线观看| 日本中文字幕在线视频| 天堂精品一区| 日日操丁香五月天| 日本999精品| 最近2018中文字幕在线高清第一页| 91 手机在线播放 绯色| 伊人宅男大香蕉| 久久性视频| 欧美女同在线| av片在线观看免费播放| 91欧美性| 免费精品人妻一区二区三| 久久久久9999妇女| 欧美国产精品| 好舒服视频| 在线观看亚洲专区| 欧美 综合 亚洲| 色噜噜精品一区二区三| 中文字幕精品久久久久人妻红杏ⅰ| 国产毛片久久久久久久| 久久久久久波多野吉衣高潮| 国产av波波国产精品| 国产 大胆 对白| 亚洲成人免费中文字幕| 亚洲大胆人体av| 天堂俺去俺来也www久久婷婷| 1204金沙人妻懂旧版免费| 免费久久一级毛片大黄| 精品然女一区二区| 天天肏天天干| 色爱综合网欧美| 国产美女高潮| 亚洲高清视频在线观看| 人人做天天爱| 久久99精品九九久久久婷婷| 日韩 欧美 另类 人妻| 色香欲天天天天综合色| 91久久久久久| 91综合站| 日韩在线97| 操逼不卡中文字幕| 日韩精彩视频| 91操碰| 性爱视频免费网址| 国产熟女二区| 国产精品久久久鸭无码的功能| 国产精品丝袜在线| 免费看污网站| 欧美日韩亚洲五月天婷婷| 国产男女无套视频免费观看| 一二三区精品视频| 日韩中文字幕熟妇人妻 | 高清不卡视频| 太久视频| 91白嫩| 色综合潮| 黄色性爱网网| 在线视频亚洲无码| 安徽熟妇视频| 被体育老师抱着c到高潮| 天啪| 日韩欧美天天爽爽爽天天爽爽| 乱老女人一区二区视频| 久久性爱视频99| 久操在97| 色婷婷五月天| 女人天堂av在线播放| 久久精品视| 亚洲AV小说| 精品视频免费在线一区| 91情色在线| 丁香五月影院| 成年女人黄网站| 亚洲动态色图| 97射欧美| 色狠人在线99| 夜间福利片1000无码| 精品1区2区3区| 日夜啪电影| 伊人影院综合是一个与深夜成人在线| 久夜视频| 美女骚尻视频| 人人澡人人弄| 欧美日不卡| 一级久久久久久久久久久| 久久男人的天堂| 91久久久久久久久久久| 天天做日日做天天欢。| 国产精品9999| 精品国产一区二区三区在线播出| 久久久久幕乱码| 殴美日韩m| 巨爆乳肉感一区二区三区竹菊影视| 99久久国产精品免费高潮| 人妻少妇精品无码专区二区密桃| 欧美激情超碰777| 亚洲色五月| 5月婷婷6月六月丁香| 成人97人人超碰人人| 好爽视频在线观看视频| 色欲久久99精品久久| 久色99999| 亚洲第一页欧美| 91无人区卡一卡二卡三乱码入口最新版:能让用户有更多选择的选择-经典说说-爱 | 大香焦A片| 69av一区二区三区| 资源新线在线天堂| 国产suv一区二区三区6| AV久日| 日韩大香蕉精品在线视频| 日韩精品操少妇| 乱理日韩中文| 亚洲乱色视频一区、二区在线| 天天爽夜夜操| www.色婷婷| 无码自拍SM| 99操逼| 五月天啪啪| 日韩欧美tv一区二区在线观看| 久久久久亚洲三级电影| 凹凸视频在线一区二区| 起碰97| 久久专区| 东北少妇高潮zzzz| 97资源站日韩| 人妻美腿丝袜日韩| 超碰 国产熟女精品一区| 加勒比五月天| 韩国毛片一区二区三区| 亚州色阁| 91痴汉| 亚洲,欧美,综合网| 九九九九亚洲| 亚洲狠| 老妇女91| 国产性爱强奸乱伦大全| 中文字幕精品专区搜索结果91| 亚洲色图 综合| 久热精品在线| av天堂加勒比| 色九九九九九九| 3级毛片一二| 99热在线观看| 性饥渴少妇av无码毛片| 国产精品亚洲一级av第二区| 久久精品中文字幕无码l| 亚洲女毛多水多21P| 日韩一级片| 久久99网站| 禁止观看美女黄| silk lablo在线观看一区二区| 色妇91| 99热这里只有精品1| 91精品操美女| 色综合一区二区三区| 国产福利合集| 欧美日韩午夜精品一区二区三区| 多毛小伙内射老太婆| 超碰97导航| 精品无人区麻豆乱码1区2区图片| 人人妻人人爽一区二区三区| 天天摸,夜夜摸| 日韩三A大片在线观看| 麻花豆传媒剧国产MV出差| 最新日日夜夜天天干干| 丁香六月东京热| 99性爱| 国产久久一区二区|