距离度量准则（转载）

进行聚类分析首先要建立在各个样品（或变量）之间“距离”的精确度量的基础

根据变量类型的不同，“距离”的度量方式也不相同，下面分别叙述：

1. 针对连续变量的距离测度

欧氏距离（Euclidean distance）： 两个体p个变量值之差平方和的平方根

2. 针对计数变量的距离测度

所谓计数变量，是指个体在某个分类变量上的频数。针对计数变量的距离测度方法主要有卡方距离和Phi方距离。

3. 针对二值变量的距离测度

如果个体的k个变量都是二值变量，则个体之间的距离测度将基于一个如下表所示的2*2的列联表。该表是根据原始数据转换而来的两个体取值的交叉列联表。表中，

a+b+c+d等于变量的总个数，a为两个体取值都为1的变量个数，b为个体x取值为0, 而个体y取值为1的变量个数，c为个体 x取值为1而个体y取值为0的变量个数，d为两

个体取值都是0的变量个数。显然，a+d的比重描述了两个体之间的相似程度，而b+c的

比重反映了两个体之间的差异程度。

【1】http://blog.sina.com.cn/s/blog_670445240102v05m.html