混合（二元和数字）向量的相似性得分

Question

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

有一段时间我一直在寻找一个很好的相似度得分，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得分吗？

谢谢， 阿里安

Answer 1

在您的情况下，相似性函数在很大程度上依赖于输入数据模式。您可以从学习给定集合的数据输入空间的距离度量中受益 保持距离关系的一对相似/不相似点 培训数据。

Here是一份很好的调查报告。

Answer 2

根据数据集，众多类型的距离测量Euclidean，Manhattan等将提供不同的准确度。最好阅读涵盖您的数据拟合方法的论文，并了解他们使用的启发式方法。更不用说某些方法只需要相应缩放的同类数据。 Here是一篇论文，讨论了一系列你可能会觉得有吸引力的措施。

与往常一样，测试并交叉验证，看看是否确实存在混合功能类型的影响。