ومن الضروري قياس التماثل بين نقاط البيانات في تحليل البيانات غير المشرف، وهو يساعد على تحديد الأنماط والتجمعات والعلاقات داخل مجموعات البيانات دون وضع علامات محددة مسبقاً، وتستخدم حسابات ومقاييس مختلفة لقياس مدى وجود نقاط بيانات مماثلة أو مختلفة.

مقاييس التشابه المشتركة

وتستخدم عدة مقاييس لقياس التشابه، وكل منها مناسب لأنواع مختلفة من البيانات وأهداف التحليل، وتشمل أكثرها شيوعاً المسافة بين الإيكلينتين، والتشابه الكوني، ومؤشر جاكرت.

Euclidean Distance

وتحسب المسافة بين أوروبا الشرقية المسافة المباشرة بين نقطتين في الفضاء، وهي تستخدم على نطاق واسع في البيانات الرقمية، وتحسب باعتبارها الجذر المربع لمجموع الاختلافات المربعة في جميع السمات.

التشابه بين الكوكايين

ويحد التماثل في الكوكائين من زاوية الزاوية بين ناقلين، وهو مفيد بصفة خاصة بالنسبة للبيانات العالية الأبعاد، مثل تحليل النصوص أو الوثائق، حيث يكون حجم الناقلات أقل أهمية من توجهها.

مؤشر جاكرت

ويقيِّم مؤشر جاكرت التماثل بين مجموعتين بتقسيم حجم تقاطعهما بحجم اتحادهما، وهو يستخدم عادة في البيانات الثنائية أو التفصيلية.

  • Euclidean distance
  • التشابه بين الكوكايين
  • مؤشر جاكرت
  • مسافة مانهاتن
  • معامل ربط البيرسون