基于属性计算相似度
Calculating similarity based on attributes
我的objective是根据两个用户的属性来计算他们的相似度。例如，让我们考虑一名球员并将年龄、薪水和积分视为属性。
我还想按重要性顺序为每个属性赋予权重。在我的案例中，年龄是比薪水和积分更重要的属性。因此，例如，假设我们使用欧氏距离计算相似度。
Given user 1 who is age 20, salary 50, points scored 100
Given user 2 who is age 24, salary 60, points scored 85
Given user 3 who is age 19, salary 62, points scored 80
要计算用户 1 和用户 2 之间的相似度，我可以这样做
sqrt of( (20-24)^2 + (60-50)^2 + (85-100)^2 )
现在我们还想添加权重，因此在欧几里德距离中，数字越小，两个对象在相似度方面越接近。如前所述，因为年龄是最重要的，所以我们将分配权重如下
sqrt of( 0.60*(20-24)^2 + 0.20*(60-50)^2 + 0.20*(85-100)^2 )
我的方法正确吗？我还应该考虑其他算法，例如余弦相似度来计算相似度吗？
我目前正在从事一个涉及计算不同实体之间的测量值的项目，因此我很熟悉您的问题。
在你的情况下，好消息是你没有各种混合类型的特征（例如文本或分类等）。年龄、薪水和积分是数字，正如评论中已经提到的，您应该做的第一件事就是标准化。这是一个 "must do"，因为如果你不这样做，那么在计算距离时就有一个特征将占主导地位的危险。
您必须小心并检查您的数据并在必要时进行清理。例如年龄为 200 的错误值会扰乱您的规范化，并且大多数缩放的年龄值最终会落在较低的部分（接近于零）。
关于重量和计算加权欧几里得，你是对的。这些权重的总和值为 1（如您在示例中所示 0.6+0.2+0.2 = 1 ）。
关于使用哪些距离度量这是一个很好的问题。有很多。例如检查 https://docs.scipy.org/doc/scipy/reference/spatial.distance.html
但根据我的经验，我会选择 euclidean，尽管您应该尝试一些并检查它如何处理您的数据。
我的objective是根据两个用户的属性来计算他们的相似度。例如，让我们考虑一名球员并将年龄、薪水和积分视为属性。
我还想按重要性顺序为每个属性赋予权重。在我的案例中，年龄是比薪水和积分更重要的属性。因此，例如，假设我们使用欧氏距离计算相似度。
Given user 1 who is age 20, salary 50, points scored 100
Given user 2 who is age 24, salary 60, points scored 85
Given user 3 who is age 19, salary 62, points scored 80
要计算用户 1 和用户 2 之间的相似度，我可以这样做
sqrt of( (20-24)^2 + (60-50)^2 + (85-100)^2 )
现在我们还想添加权重，因此在欧几里德距离中，数字越小，两个对象在相似度方面越接近。如前所述，因为年龄是最重要的，所以我们将分配权重如下
sqrt of( 0.60*(20-24)^2 + 0.20*(60-50)^2 + 0.20*(85-100)^2 )
我的方法正确吗？我还应该考虑其他算法，例如余弦相似度来计算相似度吗？
我目前正在从事一个涉及计算不同实体之间的测量值的项目，因此我很熟悉您的问题。
在你的情况下，好消息是你没有各种混合类型的特征（例如文本或分类等）。年龄、薪水和积分是数字，正如评论中已经提到的，您应该做的第一件事就是标准化。这是一个 "must do"，因为如果你不这样做，那么在计算距离时就有一个特征将占主导地位的危险。
您必须小心并检查您的数据并在必要时进行清理。例如年龄为 200 的错误值会扰乱您的规范化，并且大多数缩放的年龄值最终会落在较低的部分（接近于零）。
关于重量和计算加权欧几里得，你是对的。这些权重的总和值为 1（如您在示例中所示 0.6+0.2+0.2 = 1 ）。
关于使用哪些距离度量这是一个很好的问题。有很多。例如检查 https://docs.scipy.org/doc/scipy/reference/spatial.distance.html
但根据我的经验，我会选择 euclidean，尽管您应该尝试一些并检查它如何处理您的数据。