計算二進制向量數據幀的相似度矩陣的最佳方法是什么？

Question

我有一個大小為 mxn 的二進制向量的數據框，其中包含一些未填充的值，如下例所示

col1 col2 col3 col4 col5
 V0    1         0    1
 V1    1    1         0
 V2    0    1    0    1
 V3         0    0

我想在這個數據框上計算一個相似度矩陣，這樣我就可以得到任意 2 個向量之間的相似度分數。

做這個的最好方式是什么？

注意：我嘗試用 2 替換 NULL 值，並從數據幀上的 scipy 庫中應用余弦相似度。 結果矩陣不准確/正確。

Answer 1

您可能希望將pdist或cdist與二元距離函數（例如骰子、jaccard 或 hamming）一起使用（請參閱本頁末尾的這些函數列表）。