标签：cos 场景 euc 余弦 相似 欧式 y2

空间中的两个点 a ( x 1 , y 2 ) , b ( x 2 , y 2 ) a(x_1, y_2), b(x_2, y_2) a(x1​,y2​),b(x2​,y2​)

余弦相似度计算公式为

c o s = a ⋅ b ∣ ∣ a ∣ ∣ ∗ ∣ ∣ b ∣ ∣ = x 1 x 2 + y 1 y 2 x 1 2 + y 1 2 ⋅ x 2 2 + y 2 2 cos = \frac{a·b}{||a|| * ||b||} = \frac{x_1x_2+y_1y_2}{\sqrt{x_1^2+y_1^2} · \sqrt{x_2^2+y_2^2}} cos=∣∣a∣∣∗∣∣b∣∣a⋅b​=x12​+y12​ ​⋅x22​+y22​ ​x1​x2​+y1​y2​​

欧式距离计算公式为

e u c = ∣ ∣ a − b ∣ ∣ 2 = ( x 1 − x 2 ) 2 + ( y 1 − y 2 ) 2 euc = ||a-b||_2 = \sqrt{(x_1-x_2)^2 + (y_1-y_2)^2} euc=∣∣a−b∣∣2​=(x1​−x2​)2+(y1​−y2​)2 ​

余弦相似度计算的是两个向量夹角的余弦，关注的是向量之间的角度关系，不关心绝对值大小，取值为[-1, 1]。

• 当两个相似文本，如果使用词频座位特征时，他们在特征空间的欧式距离可能很大，但是两者的夹角很小，因此相似度高。
• 特征维度很高时，余弦相似度在高维下依然保持相同为1，正交为0，相反-1的性质，而欧式距离则受维度的影响，取值范围不固定。
• 余弦距离体现的是数值上的绝对差异，余弦相似度体现了方向上的相对差异

当向量归一化后，欧式距离与余弦相似度存在转换关系 e u c ( a , b ) = 2 ( 1 − c o s ( a , b ) ) euc(a,b) = \sqrt{2(1-cos(a,b))} euc(a,b)=2(1−cos(a,b)) ​

欢迎关注微信公众号（算法工程师面试那些事儿)，本公众号聚焦于算法工程师面试，期待和大家一起刷leecode，刷机器学习、深度学习面试题等，共勉～

标签：cos,场景,euc,余弦,相似,欧式,y2
来源： https://blog.csdn.net/qq_40006058/article/details/121070282

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。