假设我有大量包含（无序）元素组合的集合，并且我想确定哪些元素倾向于一起出现。

例如

给定以下集合：

{a,e,g}
{a,e,h}
{a,e,i}
{b,f,j}
{b,f,k}
{b,f,l}
{d,c,m}
{d,c,n}
{d,c,o}

两个元素倾向于出现在同一集合中的元素对将具有更短的距离：

# Low-distance pairs:
{a,e}, {b,f}, {d,c}

# Medium-distance pairs
{a,g}, {b,j}, {d,m}, ...

# High-distance pairs:
{g,h}, {j,n}, {b,f}, ...

目前

我正在使用自定义距离度量来实现 DBSCAN。我在两个元素之间使用以下距离度量：

d(a,b) = 1 - numsets(a, b) / (numsets(a,!b) + numsets(b,!a))

其中d(a,b)表示元素之间的距离a和b。Whilenumsets表示有多少个集合满足某些条件：

• numsets(a, b)- 包含a和的集合的数量b
• numsets(a,!b)- 包含a但不包含的集合数b

这个解决方案应该可以实现目标，但它不是一个很好的解决方案，我在 SE 上找不到这个问题。在解决问题方面，有没有更合理的距离度量？在实施方面，有没有更好的方法来做到这一点？