statistics - 计算相似度的方法

Question

我正在做一个社区网站，要求我计算任何两个用户之间的相似度。每个用户都具有以下属性：

年龄，皮肤类型（油性，干燥），头发类型（长，短，中），生活方式（活跃的户外恋人，电视迷）和其他。

谁能告诉我如何解决这个问题或为我提供一些资源？

Answer 1

计算（在R中）数据集中观测值之间所有成对的差异（距离）的另一种方法。原始变量可以是混合类型。通过使用Gower的一般相异系数来处理标称，序数和（a）对称二进制数据（Gower，J.C。（1971）相似性的一般系数及其某些特性，Biometrics 27，857–874）。有关更多信息，请查看this on page 47。如果x包含这些数据类型的任何列，则高尔系数将用作度量。

例如

x1 <- factor(c(10, 12, 25, 14, 29))
x2 <- factor(c("oily", "dry", "dry", "dry", "oily"))
x3 <- factor(c("medium", "short", "medium", "medium", "long"))
x4 <- factor(c("active outdoor lover", "TV junky", "TV junky", "active outdoor lover", "TV junky"))
x <- cbind(x1,x2,x3,x4)

library(cluster)
daisy(x, metric = "euclidean")

你会得到 ：

Dissimilarities :
         1        2        3        4
2 2.000000                           
3 3.316625 2.236068                  
4 2.236068 1.732051 1.414214         
5 4.242641 3.741657 1.732051 2.645751

如果您对分类数据降维的方法（也是一种将变量排列到齐群中的方法）感兴趣，请检查 this