Algorithm 计算相似度得分的权重

假设存在如下数据集：

dataA: {
  attribute1: x,
  attribute2: y,
  attribute3: z
}

我想计算相似结构化数据之间的相关性（例如：

dataA、dataB、dataC…

）

我对每个数据集的每个属性都有一个相似性度量。（例如：

x

与其他

attribute1

值的相似性为0.11；

y

与其他

attribute2

值的相似性为0.22；

z

与其他

attribute3

值的相似性为0.33）

我将用加权平均法表示相关性得分，其中为每个属性定义了权重（例如：

attribute1

is

w1

等）：

如果我要做一个实验来找到最佳权重，我该怎么做呢

更新：

我可以进行一个实验来检查每个属性值被改变的概率，然后以某种方式使用该值吗？

或者呢

Score for dataA = { (0.11 x w1) + (0.22 x w2) + (0.33 x w3) } / {w1 + w2 + w3}