比方说，我可以用1000种不同的方式定义一个人，所以我对一个给定的人有1000个特征。
问题：如何运行机器学习算法来确定给定 1,000 个特征的最佳匹配或最接近/最相似的人？
我尝试过Kmeans，但这似乎更多地针对 2 个特征，而不是高维度。
你基本上遵循某种 k 最近邻算法。
由于您的数据具有高维度，因此您应该探索以下内容：
- 降维 - 您可能有 1000 个特征，但其中一些可能比其他特征更好。因此，应用某种降维是明智之举。最简单的第一点是主成分分析 (PCA(，它保留了 ~90% 的数据(即使用足够的特征向量，将 90% o 的能量与其匹配的特征值相匹配(。我假设你会看到显着减少。
- 加速 K 最近邻 - 有许多方法可以加速高维情况下 K-NN 的搜索。K D 树算法将是一个很好的开始。
距离指标
您可以尝试直接应用距离度量(例如余弦相似性(。
监督
如果您知道这些人有多相似，则可以尝试以下方法：
神经网络，方法 #1
- 输入：2x 人特征向量(因此 2000 个特征(
- 输出：1个浮点数(两个人的相似性(
- 可扩展性：与人数成线性关系
请参阅neuralnetworksanddeeplearning.com 以获取很好的介绍，请参阅 Keras 以获取简单的框架
神经网络，方法 #2
一种更高级的方法称为度量学习。
- 输入：人特征向量(因此有 2000 个特征(
- 输出：k 浮点数(您选择 k，但它应该低于 1000(
对于训练，您必须首先给网络一个人，存储结果，然后是第二个人，存储结果，应用您选择的两个结果的距离度量(例如欧几里得距离(，然后反向传播错误。