不同的数据挖掘算法采用哪种相似度、相异度、余弦相似度、邻近度等度量方式例如聚类方法、决策树、关联分析、最近邻分类器、k-means等？

以下是不同数据挖掘算法采用的度量方式：

1. 聚类方法：聚类方法通常采用相似度或距离度量来计算数据点之间的相似程度，例如欧几里得距离、曼哈顿距离、闵可夫斯基距离等。

2. 决策树：决策树算法通常采用信息增益或基尼指数等度量方式来选择最佳的属性划分点，以最大化分类的准确性。

3. 关联分析：关联分析算法通常采用支持度、置信度和提升度等度量方式来评估不同的关联规则，以确定最有可能出现的频繁项集。

4. 最近邻分类器：最近邻分类器通常采用余弦相似度或欧几里得距离等度量方式来计算测试样本与训练样本之间的相似程度，以确定最近邻居。

5. k-means：k-means算法通常采用欧几里得距离或曼哈顿距离等度量方式来计算不同数据点之间的距离，以确定最佳的聚类中心。