数据挖掘学习笔记：标称属性(名词性)的邻近性度量

邻近性度量：相似性和相异性度量

标称属性：可以拥有2个或者更多个属性值

例：标称属性color：red，yellow，black，blue，green.(有5个属性值可选)

问：对象由标称属性刻画，那么怎么判定对象之间的相异性呢？

答：有两个方法

Method 1.简单匹配

d( i , j ) = (p-m) / p
m : p个变量中匹配的个数（表示对象i与对象j之间有相同属性值的个数）
p : 全部变量的个数（表示标称属性可选的属性值的个数，在上例中，p=5）

可以对属性的值赋予权重

 

Method 2.使用一系列的二进制属性

为M个名义状态的每一个产生一个新的二进制/二元属性

例：对象i：red

则对象i的编码为：10000.       即：red(√)yellow(x)black(x)blue(x)green(x)

显而易见，0代表不出现，1代表出现

那么，接下来就应该使用 二元属性的邻近性度量 来刻画对象之间的相异性