在数据挖掘分类算法中,常常提到根据数据表项的相似性进行分类,那么主要用到的相似性度量有哪些呢?这里总结一下最常用的两个:(1)欧几里德距离评价(2)皮尔逊相关评价:
(1)欧几里德距离评价
该系数就是我们从小到大的计算两点之间的距离。不同点在于,这里的两点不再是局限与二维,而是n维,每一维对应于原始数据中的一个属性。公式如下:
d = sqrt((x1-x2)^+(y1-y2)^)
(2)皮尔逊相关评价
该系数是判断两组数据与某一条直线的拟合程度的一种度量。对数据不是很规范的时候,会倾向于给出更好的效果。公式如下:
最后,常有人问:究竟哪一种才是比较好的,换句话说,我应该选哪一个?心里话,我还真不知道,具体要看实际项目的需要了,要不这两个试试,看哪个效果好,就用哪个呗。
结合以上的理论只是,我们看一个例子,偏好推荐。在偏好推荐中,时常是需要计算相似性来进行推荐的,相似性越高,当然就越值得推荐,相似性的度量值就用我们刚说的:
&#