混合（二进制和数字）向量的相似度得分

Question

我有一个数据集，其中实例包含大约 200 个特征，其中大约 11 个特征是数字（整数），其余的是二进制（1/0），这些特征可能是相关的，并且它们具有不同的概率分布，

我一直在争取一个很好的相似度分数，它适用于混合向量并考虑到特征之间的相关性，

你知道这样的相似度分数吗？

谢谢， 阿里安

Answer 1

在您的情况下，相似度函数在很大程度上依赖于输入数据模式。您可能会受益于学习来自给定集合的数据输入空间的距离度量 一对相似/不相似的点，它们保持了距离关系 训练数据。

Here 是一篇不错的调查报告。

Answer 2

多种类型的距离度量，Euclidean、Manhattan 等将根据数据集提供不同级别的准确度。最好阅读涵盖您的数据拟合方法的论文，看看他们使用了什么启发式方法。更不用说某些方法只需要相应扩展的同质数据。 Here 是一篇论文，讨论了一系列您可能会觉得有吸引力的措施。

和往常一样，测试和交叉验证，看看混合特征类型是否真的有影响。