Kesamaan Metrik yang Digunakan dalam Ilmu Data - dummies

Pengelompokkan dan klasifikasi didasarkan pada penghitungan kesamaan atau perbedaan antara dua titik data. Jika kumpulan data Anda numerik - hanya terdiri dari bidang dan nilai nomor - dan dapat digambarkan pada plot n -dimensional, maka ada berbagai metrik geometrik yang dapat Anda gunakan untuk mengukur multidimensi Anda. data.

An plot n-dimensi adalah diagram petak scatter multidimensi yang dapat Anda gunakan untuk merencanakan jumlah dimensi data n .

Metrik Manhattan

adalah ukuran jarak antara titik di mana jarak dihitung sebagai jumlah nilai absolut dari perbedaan antara koordinat Cartesian dua titik. Metrik jarak Minkowski adalah generalisasi metrik jarak jauh Euclidean dan Manhattan. Cukup sering, metrik ini dapat digunakan - secara bergantian.

Jika data Anda numerik namun non-plottable (seperti kurva bukan poin), Anda dapat menghasilkan nilai kesamaan berdasarkan perbedaan

Terakhir, untuk data non-numerik, Anda dapat menggunakan metrik seperti metrik jarak Jaccard, yang merupakan indeks yang membandingkan jumlah fitur yang dimiliki dua titik data. Misalnya, untuk menggambarkan jarak Jaccard, pikirkan dua senar teks berikut: Saint Louis de Ha-ha, Quebec dan St-Louis de Ha! Ha!, QC. Fitur apa yang dimiliki string teks ini? Dan fitur apa saja yang berbeda di antara mereka? Metrik Jaccard menghasilkan nilai indeks numerik yang mengukur kemiripan antara string teks.