作业帮数据挖掘中如何比较两组高维数据之间的相似度
来源：学生作业帮 编辑：作业帮 分类：综合作业 时间：2024/05/29 07:07:03
数据挖掘中如何比较两组高维数据之间的相似度
两组数据,分别都有十几个属性；两个数据组有属性重叠,如何用数据挖掘方法计算两组数据的相似度
两组数据,分别都有十几个属性；两个数据组有属性重叠,如何用数据挖掘方法计算两组数据的相似度
看起来这个问题比较复杂,不是简单地分类、聚类就可以求解.
这个问题是否可以理解为比较两组数据的相似度?主要是比较对于决策变量D（“心脏病”）=Y/N的相似度?就是说两组不同的指标分别对于D的差异?
如果你能在两组数据中分别包含D（“心脏病”）的取值Yes、No,直接比较对于Yes的准确率,不就是两组数据的相似度了吗?
如果你是要做论文,可以将问题搞得复杂些,使其更加学术化；如果只是实际应用,不可以过分拘泥于漂亮的数学模型和复杂的求解过程,只要能够解决实际问题就可以了,对吧?
再问： 谢谢，我就是论文上的一个问题，数据最后的分类（y/n）也是有之前的其他属性而定，就是不好找到两组数据的重叠之处而惊醒计算
再答： 两组数据中，都有决策属性的Y/N取值吗？
再问： 对呀，就是数据挖掘的数据，很多属性决定一个结果（y/n），有很多组案例，之后就通过训练出一个模式来，是这样的。现在就是要在两组如此的数据组中找相似
再答： 相同有两种：第一是对决策属性D取值相同；第二是各个条件属性C的取值相同。答案无非有三种： 第一：相同，如果D的取值相同，两组数据条件属性C交集（共同拥有的条件属性）取值也相同，两组数据中的记录相等； 第二：不同，如果两组数据条件属性C交集（共同拥有的条件属性）取值相同，但决策属性D的取值却不同，这就是C交集外对决策属性D的影响造成的； 如果仅比较两组数据的相似性，仅计算第二种情况下的不同记录站百分比就是相似性； 如果要找出两组数据中的相似记录，可就麻烦了，要看你设定的阀值了，然后算出相似度两组数据中各个记录之间的相似度，找出满足阀值的记录为相似记录。设一组数据有m条记录，另一组数据有n条记录，那可就是m x n条记录。 还可以用聚类： 步骤1：取两组数据条件属性C交集（共同拥有的条件属性）、加决策属性D为聚类属性A，找出两组数据中包含C交集的记录为数据集S； 步骤2：用聚类算法看S重那些记录被划分在一组，如果不同两组原始数据的记录被划分在相同组。这些记录就是相似记录；
这个问题是否可以理解为比较两组数据的相似度?主要是比较对于决策变量D（“心脏病”）=Y/N的相似度?就是说两组不同的指标分别对于D的差异?
如果你能在两组数据中分别包含D（“心脏病”）的取值Yes、No,直接比较对于Yes的准确率,不就是两组数据的相似度了吗?
如果你是要做论文,可以将问题搞得复杂些,使其更加学术化；如果只是实际应用,不可以过分拘泥于漂亮的数学模型和复杂的求解过程,只要能够解决实际问题就可以了,对吧?
再问： 谢谢，我就是论文上的一个问题，数据最后的分类（y/n）也是有之前的其他属性而定，就是不好找到两组数据的重叠之处而惊醒计算
再答： 两组数据中，都有决策属性的Y/N取值吗？
再问： 对呀，就是数据挖掘的数据，很多属性决定一个结果（y/n），有很多组案例，之后就通过训练出一个模式来，是这样的。现在就是要在两组如此的数据组中找相似
再答： 相同有两种：第一是对决策属性D取值相同；第二是各个条件属性C的取值相同。答案无非有三种： 第一：相同，如果D的取值相同，两组数据条件属性C交集（共同拥有的条件属性）取值也相同，两组数据中的记录相等； 第二：不同，如果两组数据条件属性C交集（共同拥有的条件属性）取值相同，但决策属性D的取值却不同，这就是C交集外对决策属性D的影响造成的； 如果仅比较两组数据的相似性，仅计算第二种情况下的不同记录站百分比就是相似性； 如果要找出两组数据中的相似记录，可就麻烦了，要看你设定的阀值了，然后算出相似度两组数据中各个记录之间的相似度，找出满足阀值的记录为相似记录。设一组数据有m条记录，另一组数据有n条记录，那可就是m x n条记录。 还可以用聚类： 步骤1：取两组数据条件属性C交集（共同拥有的条件属性）、加决策属性D为聚类属性A，找出两组数据中包含C交集的记录为数据集S； 步骤2：用聚类算法看S重那些记录被划分在一组，如果不同两组原始数据的记录被划分在相同组。这些记录就是相似记录；