Question

（1）连续属性

对于连续属性，要先对各属性值进行零-均值规范，再进行距离的计算。在K-Means聚类算法中，一般需要度量样本之间的距离、样本与簇之间的距离以及簇与簇之间的距离。

度量样本之间的相似性最常用的是欧几里得距离、曼哈顿距离和闵可夫斯基距离；样本与簇之间的距离可以用样本到簇中心的距离d（e_i，x）；簇与簇之间的距离可以用簇中心的距离d（e_i，e_j）。

用p个属性来表示n个样本的数据矩阵如下。

欧几里得距离：

曼哈顿距离：

闵可夫斯基距离：

q为正整数，q＝1时即为曼哈顿距离；q＝2时即为欧几里得距离。

（2）文档数据

对于文档数据使用余弦相似性度量，先将文档数据整理成文档-词矩阵格式，见表5-12。

表5-12　文档-词矩阵

两个文档之间的相似度的计算公式为：