Machine learning 高维匹配使用哪种机器学习算法？

比方说，我可以用1000种不同的方式来定义一个人，所以我有1000种特性来描述一个人

问题：鉴于1000个特征，我如何运行机器学习算法来确定最佳匹配或最接近/最相似的人

---

我尝试了Kmeans，但这似乎更多的是针对两个功能，而不是高维。

基本上是在某种程度上满足了您的需求。
由于您的数据具有高维度，因此您应该探索以下方面：

降维-您可能有1000个功能，但其中一些功能可能比其他功能更好。因此，采取某种措施是明智的。最简单的第一个点是保留约90%的数据（即使用足够的特征向量，使90%的能量与其匹配的特征值相匹配）。我想你会看到这一点的显著减少

加速K近邻-在高维情况下，有许多方法可以加速K-NN的搜索。这将是一个良好的开端

---

你基本上是在追求某种幸福。
由于您的数据具有高维度，因此您应该探索以下方面：

降维-您可能有1000个功能，但其中一些功能可能比其他功能更好。因此，采取某种措施是明智的。最简单的第一个点是保留约90%的数据（即使用足够的特征向量，使90%的能量与其匹配的特征值相匹配）。我想你会看到这一点的显著减少

加速K近邻-在高维情况下，有许多方法可以加速K-NN的搜索。这将是一个良好的开端

距离度量 您可以尝试直接应用距离度量（例如）

被监督的 如果您知道这些人有多相似，可以尝试以下方法：

神经网络，方法#1

• 输入：2倍于人物特征向量（因此有2000个特征）
• 输出：1个浮点（两个人的相似性）
• 可扩展性：与人数成线性关系

有关详细介绍和简单框架，请参见

神经网络，方法#2 一种更高级的方法称为度量学习

• 输入：人物特征向量（因此为2000个特征）
• 输出：k浮动（选择k，但应小于1000）

对于培训，您必须首先让网络面对面，存储结果，然后让第二个人存储结果，在两个结果中应用您选择的距离度量（如欧几里德距离），然后反向传播错误。

distance metrics 您可以尝试直接应用距离度量（例如）

被监督的 如果您知道这些人有多相似，可以尝试以下方法：

神经网络，方法#1

• 输入：2倍于人物特征向量（因此有2000个特征）
• 输出：1个浮点（两个人的相似性）
• 可扩展性：与人数成线性关系

有关详细介绍和简单框架，请参见

神经网络，方法#2 一种更高级的方法称为度量学习

• 输入：人物特征向量（因此为2000个特征）
• 输出：k浮动（选择k，但应小于1000）

---

对于培训，您必须首先亲自向网络发送结果，然后由第二个人存储结果，并应用您选择的距离度量（例如欧几里德距离）最简单的方法是计算两个人之间的相似性，即计算两个人的特征向量之间的距离。假设所有数据都是数字，您可能希望首先对整个特征数据集进行归一化，以避免任何偏差，然后计算每对人员之间的余弦相似系数。相似性越高，它们就越相似。你也可以尝试其他相似性度量，比如L1 norm.HI@Rohit，你的想法是：对于每个特征，将数据数字化（将单词转换为数字并存储它们的映射），然后对于每个人，比较特征之间的距离。收集每个特征的距离后，对每个特征运行余弦相似性以确定最相关的特征。一旦运行这些，我假设计算总的余弦相似性，并确定哪些余弦相似性最相似，不仅要得到哪些特征最相似，还要得到哪些人？你对两个人相似性的定义是什么？我想最大化两个人共享的特征数。2个匹配的特征将少于5个匹配的特征，等等。如果在优化相似性算法时有其他想法可能会有所帮助，我对此持开放态度。最简单的方法是计算两个人之间的相似性，即计算两个人的特征向量之间的距离。假设所有数据都是数字，您可能希望首先对整个特征数据集进行归一化，以避免任何偏差，然后计算每对人员之间的余弦相似系数。相似性越高，它们就越相似。你也可以尝试其他相似性度量，比如L1 norm.HI@Rohit，你的想法是：对于每个特征，将数据数字化（将单词转换为数字并存储它们的映射），然后对于每个人，比较特征之间的距离。收集每个特征的距离后，对每个特征运行余弦相似性以确定最相关的特征。一旦运行了这些，我假设要计算总的余弦相似性，并确定哪些余弦相似性最相似，而不仅仅是为了得到一个