我有一个数据集，其中每个样本大约有200个特征，其中大约11个特征是数值型（整数），其余的都是二元型（1/0），这些特征之间可能存在相关性，并且它们具有不同的概率分布，

我已经寻找一个适合混合向量的良好相似度得分有一段时间了，这个得分应该能够考虑到特征之间的相关性，

你知道这样的相似度得分吗？

谢谢，@某人

回答：

众多的距离度量类型，如欧几里得距离、曼哈顿距离等，会根据数据集的不同提供不同程度的准确性。最好阅读一些关于你所使用的数据拟合方法的论文，看看他们使用了哪些启发式方法。更不用说有些方法只需要同质数据，并且能够相应地进行缩放。这里有一篇论文，讨论了你可能会感兴趣的一系列度量方法。

而且像往常一样，进行测试和交叉验证，看看特征类型混合是否真的会产生影响。