答案 0 :(得分：4)
我刚刚阅读了wikipedia文章，所以我只能为你解释内容。
Jaccards得分用于采用离散值的向量，通常用于二进制值（1或0）。 Tanimoto分数用于可以采用连续值的向量。它的设计使得如果向量只取值1和0，它的工作方式与Jaccards相同。
我想你会有Tanimoto的，当你有一个'混合'矢量，它有一些连续值部分和一些二进制值部分。
答案 1 :(得分：0)
它到底想做什么？
Tanimoto得分假定每个数据对象都是一个 属性向量。在这种情况下，属性可以是二进制，也可以不是二进制。如果它们都是二进制的，那么Tanimoto方法将简化为Jaccard方法。
T(A,B)= A.B/(||A||2 + ||B||2 - A.B)
在等式中，A和B是向量表示的数据对象。相似度分数 是A和B的点积除以A和B的平方量减去 点积。
与其他相似性得分有何不同？
有各种相似性得分，但让我们与最常用的得分进行比较。
骰子系数是两个数据对象共有的属性数，相对于当前存在的属性总数总数的平均大小。 （A与B相交）/ 0.5（A + B）
D(A,B) = A.B/(0.5(||A||2 + ||B||2))
要找到两个数据对象之间的余弦相似度，需要两个对象都在矢量中表示其属性。然后将相似性作为两个向量之间的角度进行测量。
Cos(θ) = A.B/(||A||.||B||)
您也可以参考When can two objects have identical Tanimoto and Cosine score.
Pearson系数是一种用于发现相似性的复杂方法。该方法在两个数据对象中的属性之间生成一条“最适合”的线。皮尔逊系数可通过以下公式求出：
p(A,B) = cov(A,B)/σAσB
在哪里， cov（A，B）->协方差
σA-> A的标准偏差
σB-> B的标准偏差
系数是通过将协方差除以两个数据对象的属性的标准偏差的乘积得出的。对于未规范化的数据，它更健壮。例如，如果一个人对电影“ a”，“ b”和“ c”分别得分分别为1、2和3进行排名，那么他将与某人对以4、5、5、5、4、5、5、5、5、6、5、5、5、5、5、5、5、5、5、5、5、5、7、10、12、15、15、15、15、15、15、15、15、15、15、15、15、15、15、15、15、15、15、15、15、29和6。
有关Tanimoto得分与其他相似性得分/系数的更多信息，请参考： Why is Tanimoto index an appropriate choice for fingerprint-based similarity calculations?
何时使用？
Tanimoto分数可在两种情况下使用：
以下应用程序广泛使用Tanimoto得分：