为什么我们想知道两个标称值之间的距离？

Question

所以我的数据库类中有一个问题，要求查找相同属性的两个值之间的距离（属性：工作类型;以及可能的值：电气，管道，维修）。所以管道和维修之间的距离。我将值转换为子属性并输入二进制数来表示值的存在与否，因此新值看起来像这样（电气：100，管道：010，修理：001）。我现在可以计算两个值之间的汉明距离。但我的问题是，在现实世界中，为什么我们甚至想要知道两个名义值之间的距离，当它们显然已经不同而一个没有比另一个更有价值时？

Answer 1

只要 只有这样的变量，它几乎没用。

但假设您还具有“年龄”和“收入”属性，并且您想要对此数据集进行聚类，那么您需要一个距离函数。

不幸的是，二进制编码是一种不能很好地工作的黑客。您仍然需要仔细规范化数据，但年龄，收入，工作的正确权重是多少？你得到了一些结果，但是使用其他权重你也可能得到一个非常不同的结果。