
198
|
第
6
章
6.1.2
距离的度量
相似度(或邻近度)是通过
距离度量
来确定的,这种度量是一个函数,它测量的是两条记
录
(
x
1
,
x
2
,
…
,
x
p
)
和
(
u
1
,
u
2
,
…
,
u
p
)
之间的距离有多远。两个向量之间最常用的距离度量是
欧
氏距离
。要计算两个向量之间的
欧氏距离
,先将它们的分量依次相减,再对得到的差进行
平方,加总之后再取平方根即可:
22 2
11 2 2
( )( ) ( )
pp
xu x u x u− + − ++ −
针对数值型数据的另一种常用距离度量是
曼哈顿距离
:
11 2 2
| || | | |
pp
xu x u x u− + − ++ −
欧氏距离相当于两点之间的直线距离(就像乌鸦飞行一样),而曼哈顿距离是两点之间依
次按照单一方向经过的距离(例如,沿着矩形的城市街区行走)。因此,如果相似度定义
为点对点的行程时间,那么曼哈顿距离就是一种非常有用的近似。
在测量两个向量之间的距离时,使用较大的数量级进行测量的变量(特征)会主导测量结
果。举例来说,在贷款数据中,距离几乎就是收入变量和贷款数额变量的函数,它们的值
都是几万或者几十万的,与之相比,比率变量所起的作用微乎其微。通过对数据进行标准
化可以解决这一问题,参见
6.1.4
节。
其他距离度量
向量之间还有多种其他类型的度量方式。对于数值型数据,
马氏距离
非常引
人关注,因为它考虑了两个变量之间的相关性。马氏距离非常有用,因为如
果两个变量高度相关,它就会将它们作为一个变量来处理。欧氏距离和曼哈
顿距离都没有考虑相关性,在构成相关性的属性上赋予了过多权重。马氏距 ...