假设我有一个这样的数据集：
Hotel HasPool AvgPrice
1 1 $123
2 0 $234
3 1 $200
目前我已将数据集分解为 2 个（一个包含所有连续的，其他所有分类的）。连续的，我计算欧几里得距离 b/w 所有观察，而对于分类的，我计算余弦距离。有没有办法有效地结合两个分数。或者，是否有适用于两种数据类型的距离函数？我的最终输出应如下所示：
Hotel 1 2 3
1 1 0.3 0.7
2 0.3 1 0.5
3 0.7 0.5 1
任何帮助将不胜感激！谢谢
相似性度量是主观的，它们的组合方式也是如此。你应该决定你对相似性的主观定义是什么，然后找到一种方法来组合它们以符合你的定义。
一般来说，我喜欢将相似性问题简化为分类问题。给定您拥有的项目数据集，创建一个新的项目对数据集。概念应该是一对中的两个项目是否相似。您拥有的每个相似性度量都是该对的一个特征。请注意，现在您处于良好的旧分类框架中。您可以通过计算给定概念的互信息/准确性/您选择的指标来评估相似性度量。
在您的情况下，我会以这种方式构建数据集。首先选择你的两个措施都同意的成对的项目。选择欧几里得距离和余弦距离都接近的对或两种度量都远的对。请注意，由于相似性度量在这些对上达成一致，因此将它们组合起来通常也会导致一致，但并不那么重要。但是，您应该使用这样的对，这样它们才能稳定您的加权函数。除此之外，您可以轻松生成这些对，这始终是一个优势。
接下来，您应该选择您的相似性函数不同意的对。选择一些被认为靠近第一个而被第二个认为远的，反之亦然。手动标记这些对以确定它们是否接近。
构建数据集后，您可以将您对相似性的主观定义呈现为一组对和距离。现在运行任何分类器（在您的情况下，线性回归可能适合您寻找的内容）并将结果用作组合相似性度量。
首先，我不想做余弦相似度，而是希望您看看一些分类数据存在的相似度度量，例如 Eskin、IOF、OF、Lin、Lin1、Goodall1、2、3、4，等等。
由于您正在使用 python，我对您的建议是导入名为 Categorical_similarity_measures 的库并构造数据的邻近矩阵，然后使用层次聚类分析 (HCA) 进行聚类
查看该库的链接：https ://pypi.org/project/Categorical-similarity-measures/0.4/
为了结合余弦距离和欧几里德距离，我首先将欧几里德距离标准化为与余弦距离 [o-1] 相同的尺度，然后将它们平均组合。但我相信你已经尝试过这种方法。因此，我想知道您对“有效结合两个分数”的定义是什么？您是否需要对这两个指标进行不同的加权？您是如何得出要展示的最终矩阵的？是直觉吗？如果是这样，您可以对此进行进一步调查，以更好地定义您希望赋予每个功能及其相关指标的权重。
当数据为混合类型时，您可以使用高尔距离来获得相似度矩阵。此功能在 R 包中实现cluster，CluMix并且FD.
在 cluster 包中，这是在 function 中实现的daisy。一个示例用途是，
diss_mat <- daisy(data, metric = "gower")
其中的列data包含变量。您必须为变量分配正确的类型（数字、因子或有序因子）。