Medidas de similaridade

Em estatística e campos relacionados, uma medida de similaridade ou função de similaridade ou métrica de similaridade é uma função de valoreal que quantifica a similaridade entre dois objetos. Embora não exista uma definição única de similaridade, geralmente tais medidas são, em certo sentido, o inverso das métricas de distância: elas assumem maiores valores para objetos semelhantes e zero ou um valor negativo para objetos muito diferentes. Embora, em termos mais amplos, uma função de similaridade também possa satisfazer axiomas métricos.

A similaridade por cosseno é uma medida de similaridade comumente usada para vetores de valor real, usada (entre outros campos) na recuperação de informações para pontuar a similaridade de documentos no modelo de espaço vetorial . No aprendizado de máquina, as funções comum do Kernel, como o Kernel RBF, podem ser vistas como métricas de similaridade.^[1]

Existem diferentes tipos de medidas de similaridade para vários tipos de objetos, dependendo dos objetos que estão sendo comparados. Para cada tipo de objeto existem várias fórmulas para métricas de similaridade.^[2]

Similaridade entre dois pontos de dados

• Distância euclidiana
• Distância de Manhattan (Geometria do táxi)
• Distância de Minkowski
• Distância de Chebyshev

Semelhança entre strings

• Distância de edição
• Distância de Levenshtein
• Distância de Lee
• Distância de Hamming
• Distância de Jaro-Winkler

Semelhança entre duas distribuições de probabilidade

• Distância de Mahalanobis
• Distância de Bhattacharyya
• Distância de Hellinger

Semelhança entre dois conjuntos

• Índice Jacard
• Coeficiente de Sørensen