我是机器学习的新手，所以我想我应该向你们征求建议。我的问题基本上是找到具有相似模式的用户。例如，有3个用户A、B和C，每个用户每天有4个特征，F1、F2、F3、F4。让我们假设这些功能的值如下：第1天
用户F1 F2 F3 F4
10 20 10 50
B 2 4 2 10
C 2 3 9 13
第2天……
我想确定的是用户A&B具有100%匹配（每个特征的比率总是5。假设对于这5天中的每一天，该比率是常数），而a&C或B&C的比赛成绩在0.00到1.00之间。什么算法对我有效？我考虑过余弦相似性、相关性计算等。但由于我没有很多数据点（5天*4=20个值），我不知道这是否有效？
https://en.wikipedia.org/wiki/Cosine_similarity显示A和B（或者，通常情况下，任何两个向量，其中一个是另一个的倍数）的值为1.0，但A、C和B、C的值不为1.0，您应该能够手动检查。
因为你只有少量的向量，所以应该可以计算和检查所有的相似性。如果你有大量的向量，你可以寻找余弦相似的近似方法，比如https://en.wikipedia.org/wiki/Locality-sensitive_hashing#Random_projection.
您不需要机器学习算法，您需要的是一种查看两个向量相似性的方法。最常见的方法是使用二次差。如果你的数据有一个相似的范围，这将正常工作。这意味着您的数据在相同的范围内，类似于（0-10）。如果你有一些值，比如0.0001，其他值，比如10000，那么你需要其他方法。
另一个好方法是Kullback-Liebler。在这里，您必须将数据转换为概率。所有行的总和必须为1。