数据挖掘中的相异度矩阵.pptVIP

相异度矩阵 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 * * 1.相异度矩阵（Dissimilarity Matrix） 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。 * * *