数据挖掘学习笔记：二元属性的邻近性度量

二元属性：0和1.显而易见，0表示不出现，1表示出现

分为：对称性和非对称性

对称性二元属性：两个个状态同等重要

非对称性：两个状态不是同等重要的(更重要的/几率较小的赋值1)，两个都取1（正匹配）比两个都取0（负匹配）的情况更有意义

邻近性度量：为相异性和相似性度量

问：如何刻画对称二元属性之间的相异性

答：

这是对象 i 与对象 j 之间二元属性的列联表

q：表示对象 i 与对象 j 都取1的属性数，其余类似

p：表示刻画对象的属性总数

那么相异性：

问：那么非对称二元属性的相异性呢?

答：正匹配比度匹配有意义的多，因此负匹配数t忽略不计

那么非对称二元属性之间的相似性度量为：，即 1 - d( i , j )

一般来讲，我们更关注值为 1 的特征，当数据向量非常稀疏时，值为 1 的特征个数少，值为 0 的特征个数非常多，此时 SMC 对每个用户间计算的值都是非常相近的，容易判定都相似，所以引入 Jaccard 系数，它忽略了取值都是 0 的特征。

当对称和非对称的二元属性出现在同一个数据集中，可以使用混合属性方法