数据挖掘:相似性与相异性度量探索
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
"数据挖掘化功大法(8)——相似性和相异性" 在数据挖掘领域,理解和计算相似性和相异性是至关重要的,因为这些概念是众多算法的基础,如聚类分析、最近邻分类和异常检测。相似度衡量了两个对象之间的接近程度,而相异性则反映了它们之间的差异。相似度通常以非负值表示,范围在0(完全不相似)到1(完全相似)之间。相异性通常用“距离”来量化,距离越小,相似度越高。 1. 欧氏距离(Euclidean Distance) 欧氏距离是最常见的距离度量方式,特别是在二维和三维空间中。但在高维空间中,由于未考虑变量间的相关性,欧氏距离可能不准确。它通过计算两个向量各分量差的平方和的平方根来得出距离。公式为:d = sqrt(∑(xi1 - xi2)^2),其中i=1,2,...,n。欧氏距离适用于数据点分布均匀且各维度权重相等的情况。然而,当不同属性的重要性不同时,欧氏距离可能不适用。 2. 曼哈顿距离(Manhattan Distance) 曼哈顿距离源于城市街区的直观概念,即沿着网格状道路行走的距离。对于两个n维向量A和B,其曼哈顿距离为各分量绝对差的总和,即D(A,B) = ∑|xi1 - xi2|。曼哈顿距离不受变量尺度影响,适合处理各维度独立且具有相同重要性的数据。 除了上述两种距离,还有其他多种相似性和相异性度量方法: 3. 切比雪夫距离(Chebyshev Distance) 切比雪夫距离是两个向量各分量差的绝对值的最大值,适用于需要强调最大差异的场景。 4. 马氏距离(Mahalanobis Distance) 马氏距离考虑了变量间的相关性和数据的方差,提供了一个标准化的距离度量,尤其适用于多变量分析。 5. Jaccard相似度(Jaccard Similarity) 用于比较集合的相似性,计算的是两个集合交集的大小除以并集的大小,适用于二元属性或类别数据。 6. 余弦相似度(Cosine Similarity) 衡量两个向量在高维空间中的角度,适用于文本分析和其他基于向量的空间。 选择合适的相似性和相异性度量取决于具体的应用场景和数据特性。例如,如果数据包含不同重要性的属性,可能需要使用加权距离;如果数据具有大量缺失值,可以选择能够处理缺失值的度量;在文本分析中,可能需要使用能捕捉词汇关联性的相似度度量。 理解和选择正确的相似性与相异性度量是数据挖掘成功的关键步骤,因为它直接影响到算法的性能和结果的解释。在实际应用中,可能需要尝试不同的度量方法,以找到最适合特定问题的那一种。
![](https://csdnimg.cn/release/download_crawler_static/69538886/bg4.jpg)
剩余19页未读,继续阅读
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/c342f9d10998452289172bc07214d806_weixin_41031635.jpg!1)
- 粉丝: 0
- 资源: 5万+
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
最新资源
- 多模态联合稀疏表示在视频目标跟踪中的应用
- Kubernetes资源管控与Gardener开源软件实践解析
- MPI集群监控与负载平衡策略
- 自动化PHP安全漏洞检测:静态代码分析与数据流方法
- 青苔数据CEO程永:技术生态与阿里云开放创新
- 制造业转型: HyperX引领企业上云策略
- 赵维五分享:航空工业电子采购上云实战与运维策略
- 单片机控制的LED点阵显示屏设计及其实现
- 驻云科技李俊涛:AI驱动的云上服务新趋势与挑战
- 6LoWPAN物联网边界路由器:设计与实现
- 猩便利工程师仲小玉:Terraform云资源管理最佳实践与团队协作
- 类差分度改进的互信息特征选择提升文本分类性能
- VERITAS与阿里云合作的混合云转型与数据保护方案
- 云制造中的生产线仿真模型设计与虚拟化研究
- 汪洋在PostgresChina2018分享:高可用 PostgreSQL 工具与架构设计
- 2018 PostgresChina大会:阿里云时空引擎Ganos在PostgreSQL中的创新应用与多模型存储
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)