Clustering
在層次聚類中歸一化歐幾里德距離度量的原因
顯然，在距離度量為歐幾里得距離的層次聚類中，必須首先對數據進行歸一化或標準化，以防止具有最高方差的協變量驅動聚類。為什麼是這樣？這不是可取的嗎？
**這取決於您的數據。**實際上它與層次聚類無關，而與距離函數本身有關。
問題是當你有混合屬性時。
假設您有人員數據。重量（克）和鞋碼。鞋子尺寸差異很小，而體重（以克為單位）的差異要大得多。你可以想出幾十個例子。您只是無法比較 1 克和 1 鞋碼的差異。事實上，在這個例子中，你計算的東西的物理單位是！
通常在這些情況下，歐幾里得距離是沒有意義的。但在許多情況下，如果您對數據進行規範化，它可能仍然有效。即使它實際上沒有意義，但對於沒有“被證明正確”的距離函數的情況，例如人類尺度物理世界中的歐幾里德距離，它也是一個很好的啟發式方法。