数据挖掘中的相似性度量指数

       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：

        （1）原始数据集