聚类分析根据对象之间的相异程度，把对象分成多个簇，簇是数据对象的集合，聚类分析使得同一个簇中的对象相似，而与其他簇中的对象相异。相似性和相异性（dissimilarity）是根据数据对象的属性值评估的，通常涉及到距离度量。相似性（similarity）和相异性（dissimilarity）是负相关 ...

是我们需要一个评判标准，评估对象之间比较的相似或不相似程度的标准，也就是数据的相似性和相异性。 数据矩 ...

　　好久没有写这个了。也就是在去年到今年这个时间段里，同时决定好几件事情。第一：考研。第二：以后方向就是大数据或者是叫数据挖掘。这两件事当然是有联系的，第一件事就是考研考到北京，接着研究生的方向就是数据挖掘了吧。在一边准备考研的同时，还必须得一边准备着数据挖掘方面的知识。无奈本科前三年这方面接触 ...

（2017-04-03 银河统计） 相似性和相异性被许多数据挖掘技术所使用，如聚类、最近邻分类、异常检测等。不同组样本之间的相似度是样本间差异程度的数值度量，两组样本越相似，它们的相异度就越低，相似度越高。通常用各种“距离”和“相关系数”作为相异度或相似度相异度度量方法。 一、距离计算 ...

2-1数据对象与属性类型 数据集由数据对象组成。一个数据对象代表一个实体。例如，在销售数据库中，对象可以是顾客、商品或销售•，在医疗数据库中，对象可以是患者；在大学的数据库中，对象可以是学生、教授和课程。通常，数据对象用属性描述。数据对象又称样本、实例、数据点或对象。如果数据对象存放在数据库中 ...

下图摘自：http://blog.163.com/qianshch@126/blog/static/48972522201092254141315/ 主要的聚类方法可以划 ...

一些概念与定义 　　数据挖掘是从大量数据中挖掘有趣模式和知识的过程。数据源包括数据库、数据仓库、Web、其他信息存储库或动态地流入系统的数据。 　　数据仓库是一个从多个数据源收集的信息存储库，存放在一致的模式下，并且通常驻留在单个站点上。通常，数据仓库用称做数据立方体（data cube ...

在进行特征选择的时候我们要衡量特征和我们的目标之间的相似性，有很多的方法可以衡量，下面介绍一些使用filter特征选择方法的时候能够使用的方法，更多的特征选择方法可以参考我的另一个博客特征选择。 filter特征选择方法是：特征选择的过程和模型的训练过程没有直接关系，使用特征本身的信息 ...