在无监督的数据分析中,测量数据点之间的相似性至关重要。它有助于识别数据集内没有预先定义标签的规律、分组和关系。各种计算和衡量标准用来量化数据点的相同或不同程度。

常见相似度量

几个度量衡用于测量相似性,每个度量度都适合不同类型的数据和分析目标。 最常见的度量衡包括欧几利得距离、余弦相似度和雅克卡尔指数。

欧几里得大陆距离

欧几里得距离计算空间中两个点之间的直线距离,它被广泛用于数值数据,并作为所有特征的平方差和的方根计算。

余弦相似度

余弦相似度测量两个矢量之间角度的余弦,对于文本或文档分析等高维度数据特别有用,因为矢量的大小不如它们的方向重要.

雅克卡索引

Jaccard 索引通过将两套相交点的大小除以结合点的大小来评价两套相类似性,通常用于二进制或断断数据.

  • 欧几里得大陆距离
  • 余弦相似性
  • 雅克卡索引
  • 曼哈顿距离
  • 皮尔逊相关系数