刷了一篇“Measures of distance between samples: non-Euclidean”，顺手写个笔记

×××××××××××××××××××××××××啦啦啦今天浑身都痛简直萌萌哒××××××××××××××××××××××××××××××××××××

衡量距离的东西，我们称为metric，那么两个点a和b之间的距离应该满足这些条件（朝老师提过！！好爱她）

但是有的时候第三条会很难满足，因为它们并不是距离，而是一种dissimilarity

(1) Bray-Curtis dissimilarity: 衡量样本之间的差异

下面是栗子！！！大栗子！！！！

样本数据：

计算：

也就是这个公式：

如果说我们计算了30个样本两两之间的BC-dissimilarity，可以发现(3)被违背了。

一般会把它写成百分比，那么Bray-Curtis index = 100 - Bray-Curtis dissimilarity

Bray-Curtis dissimilarity versus chi-square distance

首先，chi-square distance是啥：

很难说到底哪个更好。

BC的好处是：直观（0就是相同，1就是不同），但违反三角不等式；

chi-square的好处是：true metric（0是指相对丰度identical，最大值与数据有关）

如果都用relative count，那么两者相似；如果使用raw count，size(数值大小)相差大时，很不同。

比如下面的例子，当样本之间的差异不够大时，卡方反映的不够准确。

L1 distance (city-block)

Lp distance，J是维度数。L2就是欧式距离。

Dissimilarity measures for presence–absence data（dichotomous，二叉的）

Jaccard index：co-presence/(sum - co-absence)

比如A和B，有sp1，sp2，sp5和sp10是co-presence的，sp6和sp7是co-absence的，sp3sp4sp8sp9是mis-match，

所以应为4/(10-2)=0.5

dissimilarity = 1 - Jaccard index

注意：co-absence也是一种match，但是很多时候我们不关心那些，所以才用Jaccard index来衡量相似度

correlation coefficient

 Distances for heterogeneous data（异构数据，比如下面这种连续和离散混合的）

统计学基础知识-欧式距离与其他