R 跨多个维度（类别）测量两个对象之间的相似性

这个问题可能更适合交叉验证这样的电路板，但我在这里提出这个问题是为了引出一些输入

我试图构建一个粗略的度量标准来衡量多个维度（或类别（例如，它们可以是经济部门GDP的百分比或学生在多个科目中的分数））上任何对象对之间的相似性

我心目中的一些潜在候选人是来自LDA（潜在Dirichlet分配）的潜在主题方法，该方法为K个集群列表中的每个单元分配（非零）概率，以及word2vec，该方法根据文本的向量化分数测量任意两个语料库之间的相似性。但考虑到我想要处理的对象通常有固定数量的类别（例如，学术科目、经济部门）和有界分布（比如0到100）。我想知道对于这项任务，什么是更合适的措施？0和1之间的度量值是理想的

另外，我想以两两的方式来做这件事，这样对于总共N个单元中的每个单元，计算每个单元与其余N-1个单元的相似性度量。例如，s11（仅为1）、s12、s13、s14，其分数可不同于s21、s22、s23、s24等。最后，我想把它重新排列成一个N乘以N的矩阵，以便进一步处理

我以以下出口统计数据（WTO数据库中的4个主要商品类别）为例，希望利用这个例子找到一种方法：（1）构建一个粗略的衡量标准，用于比较任何国家对之间的贸易（出口）概况相似性；（2）将产出安排到一个4×4矩阵中

profile=data.frame（“国家”=c（“阿富汗”、“阿尔巴尼亚”、“比利时”、“加拿大”），
“农产品”=c（65.8,11,10.9,15.3），
“制造商”=c（5.9,69.7,75.7,47.9），
“燃料和采矿产品”=c（1,19.2,12.6,29），
“其他”=c（27.3,0.7,0.9,7.8）
)

LDA不是您在这里寻找的机器人。如果您只需要对向量数据进行两两比较，那么最好从余弦相似性开始。只要您的数据不是太高维，余弦相似性将使您能够找到具有类似贸易习惯的成对国家。

查看

fuzzyjoin

软件包