[DataAnalysis]变量相似性和相异性的度量

最新推荐文章于 2024-07-12 15:37:04 发布

TOMOCAT

最新推荐文章于 2024-07-12 15:37:04 发布

阅读量2.8w

点赞数

分类专栏：数据分析

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/TOMOCAT/article/details/82558787

版权

数据分析专栏收录该内容

47 篇文章 2 订阅

订阅专栏

变量的相异度：距离

1、欧几里得距离

$d(x,y)=\sqrt{\sum_{k=1}^{n}(x_k-y_k)^2}$

2、闵可夫斯基距离

$d(x,y)=\lim_{r\rightarrow \infty }(\sum_{k=1}^{n}|x_k-y_k|^r)^\frac{1}{k}$

相似度

1、简单匹配系数

$SMC=\frac{f_{11}+f_{00}}{f_{01}+f_{10}+f_{11}+f_{00}}$

2、Jaccard系数

假设每个非对称的二元属性对应于商店的一种商品，则1表示该商品被购买，而0表示该商品未被购买。由于未被购买的商品数远大于被其购买的商品数，因而像SMC这样的相似性度量将会判别所有的事务都是类似的。这样，常常使用Jaccard系数来处理仅包含非对称的二元属性的对象。

$J=\frac{f_{11}}{f_{01}+f_{10}+f_{11}}$

3、余弦相似度

简单匹配系数和Jaccard系数都是二元数据的相似性度量。

$cos(x,y)=\frac{xy}{||x||||y||}$

4、广义Jaccard系数

广义Jaccard系数可以用于文档数据，并在二元属性情况下归约为Jaccard系数。

$EJ(x,y)=\frac{xy}{||x||^2+||y||^2-xy}$

5、相关性

$corr(x,y)=\frac{covariance(x,y)}{standard\_deviation(x)\times standard\_deviation(y)}=\frac{s_{xy}}{s_xs_y}$

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
[DataAnalysis]变量相似性和相异性的度量

变量的相异度：距离1、欧几里得距离2、闵可夫斯基距离相似度1、简单匹配系数2、Jaccard系数假设每个非对称的二元属性对应于商店的一种商品，则1表示该商品被购买，而0表示该商品未被购买。由于未被购买的商品数远大于被其购买的商品数，因而像SMC这样的相似性度量将会判别所有的事务都是类似的。这样，常常使用Jaccard系数来处理仅包含非对称的二元属性的对象。...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。