查找相似

Question

我有一個包含不同值的數據集：

SET1 = {X1，X2，...，XN}

SET2 = {X1，X2，...，XN }

...

X值有不同的範圍（這就是爲什麼我無法弄清楚需要算法來解決我的問題） - 有些是嚴格[0.0 - 1.0]值，其他人可能在不同/任何 範圍。

我需要找出一種方法來「組」，這些設置，或者換句話說 - 找到「相似性」兩個給定套之間。

很顯然，我可以簡單的寫的長鏈「IF」語句的每個值與另一個比較，如果它們被一些DELTA量不同，我可以表明，兩個給定集不是「同類」。問題是，我的集合非常龐大並且包含動態數據。因此，我需要一個通用函數來計算某種哈希值的每一套（至少這是我想的方式）：

INT HASH1 =散列函數（集1）

INT HASH2 =散列函數（SET2）

如果（| HASH1 - HASH2 | < DELTA）：迴歸 「設置類似於」

我真的很感激任何提示或想法如何實現它。

更新：

通過的意見，我意識到也許我應該改變我的問題有點以及閱讀：什麼是你有一個良好的「相似性」的建議指標？

通過「相似性」我的意思是表示「關閉」設置值怎麼都是一些動態值。例如，如果我有一個測試集：組A {0.5，100}，然後SETB {0.5，100}應產生1（或一些其它值表示完全匹配的）。在相同的比較SetA與SetC {0.1,300}應該返回很多較低的「匹配」值，而SetD {0.45,101}應返回類似於「完美匹配」的值。關鍵的一點需要注意，爲0.45和0.5例如值「更類似於」比100和值300，因爲：| 0.45 - 0.5 |/max（0.45，0.5）< | 100 - 300 |/max（100,300）。

如果我只是計算2組之間的差值總和，它將不會提供任何有意義的結果（因爲兩組數據可能包含完全不同的數字（從邏輯角度來看），但會相互抵消而給出不正確的結果）

Answer 1

所以，你想知道兩個物體之間的距離。在數學中，一個集合和一個爲該集合中的對象提供距離的操作稱爲metric space。

很明顯，該度量標準有幾種可能的選擇。常見的是絕對差值的總和（距離= | x1-y1 | + | x2-y2 | + ...）和差值的總和（距離=（x1-y1）2 +（x2-y2）2 + ...）。如果這些指標不適合您，請定義「相似」的含義。

Answer 2

由於您的集具有相同的基數，但你不關心順序（即，它們是套，不載體），這種方法我建議是：集進行排序，並把它們作爲載體。

現在的問題是，哪個metric對R 可以選擇。

選項很多。基本上，您可以選擇R上的任何度量標準並將它們按座標進行組合。

所以，如果要相對差異，可以定義

reldist（X，Y）= ABS（XY）/ MAX（X，Y）

DIST （A，B） = SUM _我（reldist（一個_我，b _我））

或

DIST （A，B）= SQRT（總和_我（reldist（一個_我，B _我）））

記住，A和B被分選，所以_我應該匹配b _i。