相似性和相异性的度量

相似性和想异性是重要的概念，被许多数据挖掘技术所使用：聚类、最近邻分类、异常检测等

在许多情况下，一旦计算出相似性或相异性，就不再需要原始数据了

这种方法可以看做将数据变换到相似性（相异性）空间，然后进行分析

邻近度（proximity）----相关、欧几里得距离、Jaccard距离、余弦相似性

                                       （稠密数据、二维点）（文档  稀疏数据）

1、相似度【0,1】

1）简单属性

2）数据对象

距离：

闵可夫斯基距离：

r=1城市街区距离（L1范数）

r=2欧几里得距离（L2范数）

r=无穷 Lmax距离

特性：非负性、对称性、三角不等式（）通常不成立

[1]二元数据的相似性度量    Jaccard相似性系数

                                              余弦相似度    文档用向量表示，向量的每个属性代表一个特定的词在文档中出现的频率

                                              广义Jaccard函数

相关性  corr(x,y)   对象属性之间线性联系的度量