余弦相似度和余弦距离之间的区别

看起来scipy.spatial.distance.cdist中的余弦相似度距离是这样的:

余弦距离链接1

1 - u*v/(||u||||v||)

与sklearn.metrics.pairwise.cosine_similarity不同,后者是

余弦相似度链接2

 u*v/||u||||v||

有人知道定义不同的原因吗?


回答:

好问题,但确实,这两者是不同的东西,但通过以下方程联系在一起:

Cosine_distance = 1 - cosine_similarity


为什么?

通常,人们使用余弦相似度作为向量之间的相似性度量。现在,距离可以定义为1-余弦相似度。

背后的直觉是,如果两个向量完全相同,那么相似度1(角度=0),因此,距离0(1-1=0)。

同样,你可以为得到的相似度值范围定义余弦距离。

余弦相似度范围: -1表示完全相反,1表示完全相同,0表示正交。


参考文献: Scipy wolfram

来自scipy

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注