【机器学习Q&A】余弦相似度、余弦距离、欧式距离以及机器学习中距离的含义

机器学习问题中，通常将特征表示为向量的形式，所以在分析两个特征向量之间的相似性时，常使用 余弦相似度来表示。
余弦相似度的取值范围为[ -1, 1 ]，相同的两个向量之间的相似度为1，将1减去余弦相似度即为 余弦距离。因此，余弦距离的取值范围为[0, 2]，相同的两个向量余弦距离为0。

问题1：为什么在一些场景中要使用余弦相似度而不是欧氏距离？

对于两个向量A和B， 其余弦相似度定义为 c o s ( A , B ) = A ⋅