聚类分析基础：距离定义与方法.pdfVIP

•定义距离

•聚类方法

•定义距离

•聚类方法

1.皮尔逊相关系数

•如果你将x和y的值制成散点图（将x1与y1、x2与y2等配对），那么r表示你能够多好地拟合一条

直线来描述这些值。

•最简单地理解相关系数的方法是将x和y绘制成曲线，r值告诉你这两条曲线的形状有多么相似。

•反映了变量间的线性相关程度的大小(趋势)

•1完全相同

•0完全不相关

•‑1完全相反

•相关系数在数据的线性变换下是不变的

•D=1‑r

1.Pearsoncorrelation

•Ifyouweretomakeascatterplotofthevaluesofxagainsty(pairingx1withy1,x2withy2,etc),thenr

reportshowwellyoucanfitalinetothevalues.

•Thesimptwaytothinkaboutthecorrelationcoefficientistoplotxandyascurves,withrtellingyou

howsimilartheshapesofthetwocurvesare.

•反应了变量间的线性相关程度的大小（趋势）

•1identical

•0completelyuncorrelated

•-1perfectopposite

•Thecorrelationcoefficientisinvariantunderlineartransformationofthedata

•D=1-r

非化相关性

•这基本上是相同的功能，只是它假设均值为0，即使实际上不是。不

同之处在于，如果你有两个形状相同但相对于彼此有一个固定偏移的向

量x和y，它们的皮尔逊相关系数（居中相关）为1，但非居中相

关不会为1。

Uncenteredcorrelation

•Thisisbasicallythesamefunction,exceptthatitassumesthemeanis0,

evenwhenitisnot.Thedifferenceisthat,ifyouhavetwovectorsxandy

withidenticalshape,butwhichareoffsetrelativetoeachotherbyafixed

value,theywillhaveastandardPearsoncorrelation(centeredcorrelation)

of1butwillnothaveanuncenteredcorrelationof1.

绝对皮尔逊相关系数

•

D=1‑|r|

•Cluster了两种相似性度量，这些度量是

这两个相关函数的绝对值，它们认为如果两个

项目具有相反的表达模式，则它们是相似的；

而的相关系数则认为相反的相距很远。

AbsolutePearsoncorrelation

•D=1-|r|

•Clusterprovidestwosimilaritymetricsthatarethe

absolutevalueofthesetwocorrelationfunctions,

whichconsidertwoitemstobesimilariftheyhave

oppositeexpressionpatterns;thestandard

correlationcoefficientsconsideroppositegenesto

beverydistant.

2.非参数距离度量

•Spearman秩相关

•肯德尔的τ

•为了使用皮尔逊线性相关系数，必须假设数据是成对地从正态

分布中