Table of Contents
اندازه گیری شباهت بین نقاط داده در تجزیه و تحلیل داده های بی نظارت ضروری است.این به شناسایی الگوها، گروه بندی ها و روابط در مجموعه داده ها بدون برچسب های پیش تعریف شده کمک می کند. محاسبات و معیارهای مختلف برای تعیین اینکه چگونه به طور یکسان یا نقاط داده مختلف استفاده می شود.
معیارهای مشابه مشترک
چندین معیار برای اندازه گیری شباهت ها، هر کدام برای انواع مختلف داده ها و اهداف تجزیه و تحلیل استفاده می شود. رایج ترین آنها شامل فاصله Euclidean، شباهت cosine و شاخص Jaccard است.
فاصله Euclidean
فاصله Euclidean فاصله مستقیم بین دو نقطه در فضا را محاسبه می کند و به طور گسترده ای برای داده های عددی مورد استفاده قرار می گیرد و به عنوان ریشه مربع مجموع تفاوت های مربعی در تمام ویژگی ها محاسبه می شود.
شباهت های Cosine
شباهت Cosine اندازه گیری cosine از زاویه بین دو بردار است، به ویژه برای داده های با ابعاد بالا، مانند متن یا تجزیه و تحلیل سند، که در آن اندازه بردارها کمتر از جهت گیری آنها مهم است.
شاخص Jaccard Index
شاخص Jaccard شباهت بین دو مجموعه را با تقسیم اندازه تقاطع آنها با اندازه اتحادیه آنها ارزیابی می کند.این معمولا برای داده های باینری یا کاتورتیک استفاده می شود.
- فاصله Euclidean
- شباهت Cosine
- شاخص Jaccard
- فاصله ی منهتن
- ضریب همبستگی Pearson