Im相當多的新的數據挖掘和推薦系統，現在正試圖建立用戶某種REC系統具有這樣的參數：結合不同的相似之處建立一個最終相似
爲了計算它們之間的相似度，我們要應用餘弦相似度和離散相似度。 例如：
1 0 0 1 0 0 ... n
1 1 1 0 1 0 ... n
其中1表示存在的利益和n是所有利益的總數。
我的問題是： 如何以適當的順序組合這3種相似性？我的意思是總結他們聽起來不是很聰明，是嗎？我也想聽聽關於我的「新手相似系統」的評論，哈哈。
有沒有難以及快速的答案，因爲這裏的答案很大程度上取決於您的輸入和問題域。機器學習的很多工作都是準備你的輸入的藝術（而不是科學），出於這個原因。我可以給你一些一般想法來思考。你有兩個問題：從每個項目中做出有意義的相似性，然後將它們合併。
這個城市的相似度聽起來很合理，但實際上取決於你的域名。在同一個城市中是否意味着一切，而在鄰近城市中意味着什麼呢？例如，在同樣規模的城市中是否可以算作任何東西？在相同的狀態？如果他們做你的相似性應該反映。
教育：我理解你爲什麼會使用餘弦相似度，但這不會解決真正的問題，這是處理不同的令牌，意味着同樣的事情。你需要「eng」和「engineering」匹配，「ba」和「bachelors」等類似的東西。一旦你準備這些令牌，它可能會給出好的結果。興趣：我不認爲餘弦在這裏是最好的選擇，嘗試一個簡單的tanimoto係數相似性（只是交叉大小的交集）。
你不能總結它們，因爲我假設你仍然想要一個範圍[0,1]的值。你可以平均他們。這就使得這些假設都可以直接比較，如果你願意的話，它們是相同的「單位」。他們不在這裏;例如它不像是概率。
它可能仍然可以在實踐中確定它們的平均值，或許還有權值。例如，在這裏同一座城市與擁有完全相同的利益一樣重要。這是真的還是應該不那麼重要？
你可以嘗試和測試不同的變化和權重，希望你有一些測試歷史數據的方案。我會向您指出我們的項目Mahout，因爲它有推薦和評估的完整框架。
然而，所有這些解決方案都是拙劣的和啓發式的。我想你可能想要採用更正式的方法來進行特徵編碼和相似之處。如果你願意購買一本書並且喜歡Mahout，Mahout in Action在關於如何選擇和編碼特徵的聚類章節中有很好的覆蓋面，然後如何在它們之間做出一個相似性。
這是機器學習中的常用技巧。
城市：如果x = y，則d（X，Y）= 0。否則，d（X，Y）= 1。
我認爲這意味着你用一對的-K編碼。那很好。
教育：在這裏，我將用餘弦相似性的話出現在部門或學士學位的名稱
你也可以使用一個編碼這裏，產生的載體之一的-K大小| V |其中V是詞彙表，即訓練數據中的所有單詞。
如果您現在對興趣數進行歸一化，使其始終位於[0,1]範圍內，則可以在最終向量之間使用普通的L1（曼哈頓）或L2（歐幾里德）距離度量。後者對應於信息檢索的餘弦相似性度量。
試用L1和L2來決定哪個最好。
謝謝，但並沒有真正得到「one-of-K coding」短語 – Leg0
@ Leg0：在評論框中解釋有點困難。看看[我的這個問題]（http://stackoverflow.com/questions/8020403/1-of-k-coding-in-octave）爲例。 –
有很多方法，你到目前爲止閱讀過很多文獻嗎？ –