数值属性的相异性：闵可夫斯基距离
发布时间
阅读量：
阅读量
本文介绍数值属性刻画的对象之间的相异性度量，首先，应该把数据进行规范化，使之落入更小的值域，例[0，1]，[0.0,1.0]
1：最流行的距离度量：欧几里得距离
2：曼哈顿距离
3：闵可夫斯基距离
其中 h>=1
当h=1,表示的是曼哈顿距离
当h=2,表示的是欧几里得距离
序数属性的相异性则与此非常相似
序数属性：顾名思义，这个属性可选的值之间是有序的
例：序数属性size：small，medium，large(三者之间是有序的)
问：如何计算相异性
答：对于属性可选值，我们可以赋予其一个函数，表征为一个数字
上例中，可表征为1,2,3.为了数据规范化，落入一个更小的范围，可以将其映射到[0，1]
上例中，将1映射为0,2映射为0.5,3映射为1
再通过欧几里得距离即可获得相异性矩阵（或者别的距离公式）
全部评论 (0)
还没有任何评论哟~