In other words, for each numeric at

In other words, for each numeric attribute, we take the difference between the corresponding
values of that attribute in tuple X1 and in tuple X2, square this difference and accumulate it. The square root is taken of the total accumulated distance count.
Typically, we normalize the values of each attribute before using Eq. (9.22). This helps
prevent attributes with initially large ranges (e.g., income) from outweighing attributes
with initially smaller ranges (e.g., binary attributes). Min-max normalization, for example,
can be used to transform a value v of a numeric attribute A to v
in the range [0, 1]
by computing

Kết quả (Việt) 1:

Nói cách khác, cho mỗi thuộc tính số, chúng tôi có sự khác biệt giữa tương ứnggiá trị mà thuộc tính ở tuple X1 và ở tuple X2, quảng trường này khác biệt và tích lũy nó. Square root được lấy của khoảng cách tổng số tích lũy.Thông thường, chúng ta bình thường hóa các giá trị của mỗi thuộc tính trước khi sử dụng Eq. (9.22). Điều này sẽ giúpngăn chặn các thuộc tính với phạm vi ban đầu lớn (ví dụ, thu nhập) outweighing thuộc tínhvới phạm vi ban đầu nhỏ hơn (ví dụ: thuộc tính nhị phân). Bình thường hóa min-max, ví dụ:có thể được sử dụng để biến đổi một v giá trị của một thuộc tính số A vtrong khoảng [0, 1]bằng máy tính

Kết quả (Việt) 2:

Nói cách khác, đối với mỗi thuộc tính số, chúng tôi có sự khác biệt giữa tương ứng
giá trị của thuộc tính đó trong tuple X1 và X2 tuple, vuông khác biệt này và tích tụ. Các căn bậc hai được lấy trong tổng số khoảng cách tích lũy.
Thông thường, chúng ta bình thường hóa các giá trị của mỗi thuộc tính trước khi sử dụng phương trình. (9.22). Điều này giúp
ngăn ngừa các thuộc tính với các phạm vi ban đầu lớn (ví dụ, thu nhập) từ outweighing thuộc tính
với các phạm vi ban đầu nhỏ hơn (ví dụ, các thuộc tính nhị phân). Bình thường Min-max, ví dụ,
có thể được sử dụng để chuyển đổi một v giá trị của một thuộc tính số A đến v
trong khoảng [0, 1]
bằng cách tính