我认为这个问题是许多初学者遇到的,我找不到合适的通用指南。
我的问题如下。我想评估具有混合数据类型特征的向量的相似性。
因此,我正在寻找一套工具,这将使我能够混合不同的距离测量,以便能够计算我自己的综合距离。文本的Levenshtein距离,坐标的一些地理哈希距离,序数(可能是OHE-ed)值的经典距离。
我正在研究DB + SDK的米尔弗斯-type功能。
像这样的东西存在于一个包裹里吗?如果没有,你会推荐什么?
发布于 2023-04-19 05:03:01
处理混合数据类型向量上的相似性搜索可能具有挑战性,因为对于不同类型的数据需要不同的距离度量。一种方法是将混合数据类型向量转换为同构的特征空间,其中所有的特征都是相同的数据类型。您可以使用一些方法将文本特性转换为数字表示,例如单词袋、TF-以色列国防军或单词嵌入。你也可以把GPS坐标转换成一个数值表示方法,比如地理哈希法或者把它们投影到2D平面上。一旦所有特征都是相同的数据类型,您就可以使用标准距离度量,如欧几里德距离或余弦相似度。
例如,
要组合不同的距离度量,可以使用诸如特征加权或特征选择等技术,根据其重要性为不同的特征分配不同的权重。您也可以使用集成技术,如打包或提升,以结合不同的距离测量的结果。
https://datascience.stackexchange.com/questions/120911
复制相似问题