为二进制矢量的数据帧计算相似度矩阵的最佳方法是什么？

Question

我有一个二进制数据大小为m x n的数据帧，带有一些未填充的值，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

我想在此数据帧上计算相似度矩阵，以便获得任意两个向量之间的相似度得分。

最佳方法是什么？

注意：我尝试将NULL值替换为2，并从数据帧上的scipy库应用余弦相似度。结果矩阵不正确/正确。

Answer 1

您可能想将pdist或cdist与骰子，jaccard或汉明之类的二进制距离功能一起使用（请参阅the list of these functions at the end of this page。