文章目录

• 通俗解释
• 举个例子
• 结语
• 参考资料

通俗解释

一个二元变量是对称的还是非对称的，很大程度上是从常识出发来判断的。

当数据集的一个特征是二元变量时，

• 两种取值的可能性差别较小的，是对称二元变量。（说人话就是，我们在研究不同数据间的相似度时，取值是0还是1，没有什么影响）
• 两种取值的可能性差别较大的，是非对称二元变量。（说人话就是，我们在研究不同数据间的相似度时，取值是0还是1，影响较大，比较关键）

举个例子

二元性别变量的取值有男和女两种，一般情况下这两种取值的可能性差别不大。而对于是否是色盲这个变量来说，显然一般情况下，是色盲要比不是色盲的几率小很多。

那么在利用性别和是否是色盲这两个特征，来判断两组数据的相似度时，显然是否是色盲更有意义一些，对我们所研究的问题更重要一些。

结语

推动科学发展的途径之一就是，在已有研究基础上进一步细分，从而提高效率。有些二元变量对不同数据间的相似度影响较大，有些影响较小。对这两类二元变量加以区分，让我们在简单匹配系数的基础上，得到了Jaccard相似系数，从而帮助我们提高了一些场景下相似度的计算效率。

参考资料

https://documentation.sas.com/doc/en/pgmsascdc/9.4_3.4/statug/statug_distance_overview02.htm