相似系数和距离

王朝百科·作者佚名  2010-06-25  
宽屏版  字体: |||超大  

相似系数和距离是聚类分析中的两个专业术语。

为了将样品(或指标,一个样品包含n个指标,比如一个“张三”是一个样品,他的年龄、身高、学历等等就是指标)进行分类,就需要研究样品之间关系,目前用的最多的方法有两个:一种方法是用相似系数,性质越接近的样品,他们的相似系数的绝对值越接近1,而彼此无关的样品,他们的相似系数的绝对值越接近于0。比较相似的样品归为一类,不怎么相似的样品归不同的类。另一种方法是将一个样品看做p维空间的一个点,并在空间定义距离,距离越近的点归为一类,距离较远的点归为不同的类。在实际问题中,我们常常用聚类对样品分类,用相似系数对指标分类。相似系数和距离有各种各样的定义,而这些定义与变量的类型关系极大,因此先介绍变量的类型。

由于实际问题中,遇到的指标有的是定量的(如长度、重量等),有的是定性的(如性别、职业等),因此将变量(指标)的类型按以下三种尺度划分:

间隔尺度:变量是用连续的量来表示的,如长度、重量、压力、速度等等,在间隔尺度中,如果存在绝对零点,又称比例尺度。

有序尺度:变量度量时没有明确的数量表示,而是划分一些等级,等级之间有次序关系,如某产品分上、中、下三等,次三等有次序关系,但没有数量表示。

名义尺度:变量度量时既没有数量表示,也没有次序关系,如某物体有红、黄、白三种颜色,性别有男女之分,市场供求中有“产”和“销”等。

不同类型的变量,在定义聚类和相似系数时,其方法是有很大差异的。研究和使用较多的是间隔尺度,现给出间隔尺度的距离和相似系数的定义。

其中(i=1,……,n;j=1,……,p)为第i个样品的第j个指标的观测数据。第i个样品为矩阵X的第i行所描述,所以任何两个样品和之间的相似性,可以通过矩阵X中的第K行和第L行的相似程度来刻画;任何两个变量和之间的相似性,可以通过第K列和第L列的相似程度来刻画。

 
 
免责声明:本文为网络用户发布,其观点仅代表作者个人观点,与本站无关,本站仅提供信息存储服务。文中陈述内容未经本站证实,其真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
 
© 2005- 王朝百科 版权所有