Machine learning 重新缩放相似性度量，使相似性阈值为0.5
我有对象A和B以及两个相似性度量sima和simb，它们都映射到[0,1]范围。对于这两种相似性度量，我都有阈值ta和tb。如果SIMA（A，B）＞TA，则根据Sima考虑A和B“相似”。如果SIMB（A，B）＞TB，则根据SIMB，考虑A和B“相似”。 我正在寻找一种方法，该方法允许我以这样的方式缩放相似性度量：我可以取sima和simb的平均值，如果平均值大于0.5，则确定a和B是相似的。换句话说，给定一个相似性度量sim和一个阈值t，我希望有一个新的相似性度量sim’，如果sim（a，B）==t，sim’（a，B）=0.5 更一般地说，我正在寻找一种方法，将sima和simb组合成一个单一的相似性度量Machine learning 重新缩放相似性度量，使相似性阈值为0.5,machine-learning,statistics,similarity,Machine Learning,Statistics,Similarity,我有对象A和B以及两个相似性度量sima和simb，它们都映射到[0,1]范围。对于这两种相似性度量，我都有阈值ta和tb。如果SIMA（A，B）＞TA，则根据Sima考虑A和B“相似”。如果SIMB（A，B）＞TB，则根据SIMB，考虑A和B“相似”。 我正在寻找一种方法，该方法允许我以这样的方式缩放相似性度量：我可以取sima和simb的平均值，如果平均值大于0.5，则确定a和B是相似的。换句话说，给定一个相似性度量sim和一个阈值t，我希望有一个新的相似性度量sim’，如果sim（a，B）