我正在研究相似类型实体之间的相似性计算。对于每个实体，我都可以制作一个包含多个向量本身的向量。
- A = 50*1 向量
- B = 100*1 向量
- C = 50*1 向量
- D = [年龄、性别、x 特征、y 特征、z 特征]
Entity = [ABCD]，基本上将所有这些连接起来。
我的问题是：由于它们来自不同的空间，每个空间都有不同的数量级。
如果我在这些向量上运行 KNN，我怀疑结果将仅受一个空间的特征控制。应该怎么做才能获得最好的 KNN 结果？什么“标准化”在这里最好？
如何将新的数值特征附加到 word2vec 的嵌入中，使得嵌入上的 KNN 不会偏向于一个特征？
数据挖掘
机器学习
正常化
2022-03-15 15:07:56
1个回答
由于您有混合数据，因此请对分类数据使用 one-hot 编码，以便它们成为二进制数据。对于数值数据，将它们归一化，使其范围在 [0,1] 内。
接下来，您必须选择适当的距离度量。在此处查看答案： https ://stats.stackexchange.com/questions/218092/how-to-calculate-the-distance-in-knn-for-mixed-data-types
其它你可能感兴趣的问题