机器学习中的相似性度量！
|
(4)Matlab 计算杰卡德距离 Matlab的pdist函数定义的杰卡德距离跟我这里的定义有一些差别，Matlab中将其定义为不同的维度的个数占“非全零维度”的比例。 例子：计算(1,1,-1,0)、(-1,0)两两之间的杰卡德距离 X = [1 1 0; 1 -1 0; -1 1 0] D = pdist( X,'jaccard') 结果 D = 0.5000??? 0.5000??? 1.0000 ? 10. 相关系数 ( Correlation coefficient )与相关距离(Correlation distance) (1) 相关系数的定义
相关系数是衡量随机变量X与Y相关程度的一种方法，相关系数的取值范围是[-1,1]。相关系数的绝对值越大，则表明X与Y相关度越高。当X与Y线性相关时，相关系数取值为1（正线性相关）或-1（负线性相关）。 (2)相关距离的定义
? (3)Matlab计算(1,2,3,4 )与( 3,8,7,6 )之间的相关系数与相关距离 X = [1 2 3 4 ; 3 8 7 6] C = corrcoef( X' ) ??%将返回相关系数矩阵 D = pdist( X,'correlation') 结果： C = ??? 1.0000??? 0.4781 ??? 0.4781??? 1.0000 D = 0.5219 ????? 其中0.4781就是相关系数，0.5219是相关距离。 11. 信息熵(Information Entropy) ?????? 信息熵并不属于一种相似性度量。那为什么放在这篇文章中啊？这个。。。我也不知道。 (╯▽╰) 信息熵是衡量分布的混乱程度或分散程度的一种度量。分布越分散(或者说分布越平均)，信息熵就越大。分布越有序（或者说分布越集中），信息熵就越小。 ?????? 计算给定的样本集X的信息熵的公式：
参数的含义： n：样本集X的分类数 pi：X中第i类元素出现的概率 ?????? 信息熵越大表明样本集S分类越分散，信息熵越小则表明样本集X分类越集中。。当S中n个分类出现的概率一样大时（都是1/n），信息熵取最大值log2(n)。当X只有一个分类时，信息熵取最小值0 参考资料：? [1]吴军. 数学之美 系列 12 - 余弦定理和新闻的分类. http://www.google.com.hk/ggblog/googlechinablog/2006/07/12_4010.html [2] Wikipedia. Jaccard index. http://en.wikipedia.org/wiki/Jaccard_index [3] Wikipedia. Hamming distance http://en.wikipedia.org/wiki/Hamming_distance [4] 求马氏距离（Mahalanobis distance ）matlab版 http://junjun0595.blog.163.com/blog/static/969561420100633351210/ [5] Pearson product-moment correlation coefficient （编辑：核心网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
