机器学习（十三）——相似度的计算方法

无监督机器学习特点：

聚类特点：

对于聚类来说，相似性非常重要，下面我们就来看看相似度怎么算

1. 欧式距离和Jaccard系数

最经典的就是欧式距离（两点之间的距离，上图中的二维空间公式）
上图中右下角的第一个公式就是Jaccard系数，如果是距离的话第二个公式可以体现

相似度的两种测量方式：一个测量是高维空间里向量点和向量点的相似度；另一个是Jaccard系数（测量两个集合之间的相似度）

2. 余弦距离

假设一句话：我爱中国，被分成三个词：我，爱，中国，这三个词各出现一遍，则坐标为（1，1，1）；另一句话：我100遍，爱100遍，中国*100遍，因为每个词都出现100遍，所以坐标为（100，100，100），把这两点连线，如果用欧式距离算相似度的话会很大，因为距离远，但这两句话表达的主题都是一样的，但是如果用角度来测量，这两个点和原点是在一条线的，角度为0，角度越小，相似度越大

余弦距离更适合文本

3. Person系数和相对熵