样本间的不同相似性度量

发布时间：2020-12-14 05:01:33 所属栏目：大数据来源：网络整理

导读：简介 1.hamming distance 在信息论里面, 汉明距离用来刻画两个字符串之间的相似程度. Q:如何计算? 从前往后遍历两个字符串,若对应位置字符不同,distance+1,遍历完毕后得到汉明距离. 1.1例子图1 The Hamming distance between various A and B 从图1 中可以

简介

1.hamming distance

在信息论里面,汉明距离用来刻画两个字符串之间的相似程度.
Q:如何计算?
从前往后遍历两个字符串,若对应位置字符不同,distance+1,遍历完毕后得到汉明距离.

1.1例子

这里写图片描述

图1 The Hamming distance between various A and B

从图1 中可以看出,汉明距离既可以用来比较字符串,也可以用来比较二进制的数字.

1.2 bitwise hamming distance

对于二进制,通常叫做bitwise hamming distance.
因为二进制的特殊性,我们可以通过 C=A⊕?B 异或(exclusive OR) 运算得到C,然后计算C中非0的位的个数.

2.Jaccard coefficient

用于比较有限样本集之间的相似性与差异性。Jaccard系数值越大，样本相似度越高。

3. cosine distance

4. 欧氏距离

（编辑：李大同）

【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!