我试图通过使用两个不同的数据集来计算通过余弦相似性的用户 - 用户相似性（用户是相同的，因为被认为用于获得相似性的特征在数据集之间是不同的）。现在，有没有办法可以判断这两个数据集基于相似度值有多相似？
答案 0 :(得分：0)
我认为这里的答案应该是否定的，除非这两个数据集中没有共同特征（如果它们只有单位不同，你可以将它们标准化并使用它们）。例如，您不能使用两个不同的数据集向用户推荐电影，其中一个仅包含用户的年龄和性别，而另一个仅包含用户喜欢的喜欢的类型，并比较两个结果。
此外，您的查询向量还应具有与相似性搜索算法使用的数据集相同的功能。
在您的情况下，如果查询具有两个数据集的特征，您可以在它们中找到k个最近邻居（例如）并返回它们两者，即2k结果。但是你不能在两对k NN中选择最好的NN。我还建议找到合并两个数据集的方法，而不是遵循这种方法。
编辑： 我误解了这个问题。如果两个数据集中的用户相同，则应合并它们（最好使用“用户ID”列），然后使用新数据集计算用户之间的相似度。
关于数据集相似性的问题在这种情况下没有多大意义。