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
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）
Gower’s generalized coefficient of dissimilarity(将连续和离散的数据标准化)
1）计算各类别的均值与标准差。Region可以把几个可能的值列出来，用01序列来表示。类似下图
2) 标准化
连续值是减去均值再除以标准差，离散值标准化后再乘系数1/√2 = 0.7071(补偿0/1编码)
3）计算距离，如L1,L2等。总=连续的+离散的
另一种处理方法：
先对每组数据计算distance/dissimilarity，然后再把这些东西按加权平均。
下面是有三种不同数据的情况。权重可以根据自己的需要调整。
