python - 为二进制向量的数据帧计算相似度矩阵的最佳方法是什么？

Question

我有一个大小为 mxn 的二进制向量的数据框，其中包含一些未填充的值，例如下面的示例

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

我想在这个数据帧上计算一个相似度矩阵，这样我就可以得到任意 2 个向量之间的相似度分数。

做这个的最好方式是什么？

注意：我尝试用 2 替换 NULL 值，并在数据帧上应用 scipy 库中的余弦相似度。结果矩阵不准确/不正确。

标签： pythonbinarysimilaritycosine-similarity

Answer 1

您可能希望将pdist或cdist与二元距离函数（例如 dice、jaccard 或 hamming）一起使用（请参阅本页末尾的这些函数列表）。