数据结构
网络
关系数据库管理系统 (RDBMS)
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究什么是二元变量？
二元变量只有两种状态，例如 0 或 1，其中 0 表示变量不存在，1 表示变量存在。例如，给定变量吸烟者来定义患者，1 表示患者吸烟，而 0 表示患者不吸烟。将二元变量视为区间尺度可能会导致误导性的聚类结果。因此，为二元数据定义的方法对于计算差异性至关重要。
有一种方法涉及从给定的二元数据计算差异矩阵。如果一些二元变量被认为具有相似的权重，它可以具有 2x2 列联表，其中 q 是对象 i 和 j 都类似于 1 的变量数，r 是对象 i 类似于 1 但对象 j 类似于 0 的变量数，s 是对象 i 类似于 0 但对象 j 类似于 1 的变量数，t 是对象 i 和 j 都类似于 0 的变量数。变量总数为 p，其中 p = q+r+s+t。
如果二元变量的两种状态都具有同等价值并具有相同的权重，则该二元变量是对称的；也就是说，对哪种结果必须编码为 0 或 1 没有偏好。依赖于对称二元变量的差异性称为对称二元差异性。
如果状态的结果不重要，包括疾病测试的阳性和阴性结果，则二元变量是非对称的。按照惯例，我们将主要结果（通常是最稀有的结果）编码为 1（例如，HIV 阳性），其他结果编码为 0（例如，HIV 阴性）。
给定两个非对称二元变量，两个 1 的并发（正匹配）比两个 0 的并发（负匹配）更重要。因此，此类二元变量被视为“一元”（好像只有一个状态）。
基于此类变量的差异性称为非对称二元差异性，其中多个负匹配 t 被视为不重要，因此在计算中被忽略，如公式所示
$$\mathrm{d(i, j)=\:\frac{r+s}{q+r+s}}$$
计算两个二元变量之间的距离可以依赖于相似性的概念，而不是差异性的概念。例如，对象 i 和 j 之间的非对称二元相似性，或 sim(i, j)，可以计算如下，
$$\mathrm{sim(i, j)=\:\frac{q}{q+r+s}=1-d(i,j)}$$。
系数 sim(i, j) 称为 Jaccard 系数。
2K+ 次浏览
