数据挖掘中的相异度矩阵VIP免费

相异度矩阵1.相异度矩阵（DissimilarityMatrix）定义：相异度矩阵存储n个对象两两之间的相似性，表现形式是一个n×n维的矩阵。d（i,j）是对象i和j之间相异性的量化表示，通常为非负值，两个对象越相似或“接近”，其值越接近0，越不同，其值越大，且d（i,j）=d（j,i），d（i,i）=0。2.相异度d（i,j）的具体计算因所使用的数据类型不同而不同，常用的数据类型包括：区间标度变量二元变量标称型、序数型和比例标度型变量混合类型的变量3.相异度矩阵是对象—对象结构的一种数据表达方式。多数聚类算法都是建立在相异度矩阵基础上，如果数据是以数据矩阵形式给出的，就要将数据矩阵转化为相异度矩阵。对象间的相似度或相异度是基于两个对象间的距离来计算的。欧几里得距离和曼哈坦距离计算：具体案例分析小结样本数据属性矩阵相似性矩阵聚类为样本划分所在类分析结果