【机器学习算法】聚类分析-1 聚类是什么，我们如何确定类别间的相似性或者相异性_相似性聚类

因为我们需要将他们根据这个特点来进行聚类

2.如何根据相似性将类似的成员分在同一群（算法的选择）

3.怎么去描述各群的特征。

实现我们解决第一个问题

如何衡量两笔数据的相似性

这里有n笔记录，p个字段。这个一般就是我们的数据。接下来我们需要计算它们之间彼此的距离，这里使用的是pairwise的距离，下表是两两一对的距离矩阵。

自己和自己的距离一定是0，说明相似性为百分百，距离越小，相似性越大。所以我们只需要看上三角或者下三角就可以。

距离矩阵的每个距离我们要如何计算?X下面用3种方式进行说明。

二元变量的相似性的衡量方法

这里用的是二变量的两个比较常用的公式，这种二元变量通常使用在推荐系统，有还是没有，有代表顾客对这个商品感兴趣，没有代表顾客对这个商品不感兴趣。这些都是属于二元变量。

在顾客中推荐购买这两种商品的相似度的时候经常用这两个公式。

它们是如何去计算的呢，首先它们需要产生上面的交叉表。Contingency table。需要两个对象i和j我们要看i和j的相似度。

q是代表两个字段都是1的个数，r+s代表一个是1，一个是0的个数（就是二者不相同的个数），tdaib都是0的个数

总共有几笔记录数就是q+r+s+t

我