数据挖掘学习笔记（六）

数据的相似性和相异性

• 相似性（Similarity）
  • 两个对象相似程度的数量表示
  • 数值越高表明相似性越大
  • 通常取值范围为[0，1]
• 相异性（Dissimilarity）（例如距离）
  • 两个对象不相似程度的数量表示
  • 数值越低表明相似性越大
  • 相异性的最小值通常为0
  • 相异性的最大值（上限）是不同的
• 邻近性（Proximity）：相似性和相异性都称为邻近性

1.数据矩阵与相异矩阵

• 数据矩阵：对象-属性结构
  • 行-对象：n个对象
  • 列-属性：p个属性
  • 二模矩阵（Two modes）
  • 
• 相异性矩阵：对象-对象结构
  • n个对象两两之间的邻近度
  • 对称矩阵
  • 单模（Single mode）
  • 

2.标称属性的邻近性度量

• 相异性
• 
• p是对象的属性总数，m是匹配的属性数目（即对象i和j状态相同的属性数）
• 相似性
• 

例：计算标称属性的相异性矩阵

对象标识符	Test
1	A
2	B
3	C
4	A

相异性计算：d(2,1)=1-0/1=1    d(3,1)=1-0/1=1    d(3,2)=1-0/1=1    d(4,1)=1-1/1=0    d(4,2)=1-0/1=1    d(4,3)=1-0/1=1

相异性矩阵：