在工程实践中可以用 “1- 余弦相似度”来代替 欧式距离

最新推荐文章于 2024-10-17 08:45:14 发布
原创 最新推荐文章于 2024-10-17 08:45:14 发布 · 315 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

我们知道 1- cos(x,y) = 12L2\frac{1}{2} L^221​L2，而 12L2\frac{1}{2} L^221​L2 和 LLL的关系是12L2\frac{1}{2} L^221​

最低0.47元/天 解锁文章
聚类 -距离度量方法与模型评估方法（一）
weixin_50304531的博客
08-08 4290
文章目录1 聚类的基本数据结构1.1 数据矩阵（Data matrix，或称对象-属性结构）1.2 相异度矩阵（dissimilarity matrix 或称对象-对象结构）2 不同数据类型的相异度计算方法2.1 区间标度变量2.1.1 距离法2.1.1.1 欧几里得距离2.1.1.2 标准化的欧几里得距离2.1.1.3 切比雪夫距离2.1.1.4 曼哈顿距离2.1.1.5 兰氏距离2.1.1.6 闵科夫斯基距离（明氏距离）2.1.1.7 马氏距离2.1.2 相似性系数2.1.2.1 夹角余弦2.1.2.2
机器学习中的距离度量与优化方法：从曼哈顿距离到梯度下降
云云我啊，最喜欢用博客了呢
04-15 1157
本文涵盖机器学习中的关键距离度量（曼哈顿、切比雪夫、余弦等）与优化技术，包括数学公式、Python代码实现及适用场景分析；详细讲解交叉验证方法（HoldOut与K折）的流程与意义；深入剖析前向传播、损失函数（如均方差）及梯度下降的数学基础（导数、偏导数、链式法则），并通过案例展示直线拟合中的误差计算与模型优化过程，为算法实践提供全面参考。
怪了，为什么一些场景中使用余弦相似度而不是欧式距离
十三
10-31 537
空间中的两个点a(x1,y2),b(x2,y2)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 cos=a⋅b∣∣a∣∣∗∣∣b∣∣=x1x2+y1y2x12+y12⋅x22+y22cos = \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​+y
一文读懂余弦相似度
LOLUN9的博客
04-18 2954
在探究机器学习问题时，我们常常需要比较两篇作文的相似度有多高，网上的两篇新闻的相似度有多高，两个用户对于不同电视剧的喜好相似度有多高，在求解这类问题时，实际上是在计算他们之间的余弦相似性。那么究竟什么是余弦相似度，什么又是余弦距离，它又是如何判断两篇新闻的相似度的？ 余弦相似度和余弦距离 首先来看上图的两个向量a和b，余弦相似性就是使用a和b之间的夹角的余弦值作为度量，关注...
余弦相似度总结
Mark_Australia的博客
11-16 6623
余弦相似度
余弦距离，余弦相似度
Mooczx的博客
10-17 1248
余弦相似度是指两个向量的夹角的余弦值(cos)夹角越大，说明两个向量越不接近，余弦值比1小。夹角越小，说明两个向量越接近，余弦值越接近1。余弦距离 = 1- 余弦相似度。
相似度计算（1）——余弦相似度
weixin_43876625的博客
03-16 1万+
余弦相似度   余弦相似度：用向量空间中两向量夹角的余弦值作为衡量两个个体之间差异的大小。余弦值越接近1，表明两个向量的夹角越接近0度，则两个向量越相似。余弦值越接近0，表明两个向量的夹角越接近180度，则两个向量越不相似。   如存在向量a=(x1,y1)和向量b=(x2,y2)，由几何定义计算内积a·b=|a||b|cosθ，可知：   则根据二维向量引向多维向量A(x1,y1,z1…)和B(x2,y2,z2…)，其中Ai和Bi为向量中的各个分量。可得：   简单举例：根据一下三个用户对不同物品的偏
sklearn中的聚类算法K-Means
momokofly的博客
12-15 1万+
1 概述 1.1 无监督学习与聚类算法 决策树、随机森林、逻辑回归虽然有着不同的功能，但却都属于“有监督学习”的一部分，即是说，模型在训练的时候，既需要特征矩阵XXX，也需要真实标签yyy。在机器学习中，还有很大一部分算法是属于“无监督学习”，无监督的算法在训练的时候只需要特征矩阵XXX，不需要标签。曾经学过的PCA算法就是无监督学习中的一种。聚类算法也是无监督学习的代表算法之一。 聚类算法又叫做“无监督分类”，其目的是将数据划分成有意义或有用的组（或簇）。这种划分可以基于业务需求或建模需求来完成，也可以单
python数据处理及可视化
viafcccy的博客
03-18 4733
Numpy ID Price Area Bedroom Basement 1 200 105 3 false 2 165 80 2 false 3 184.5 120 2 false 4 116 70.8 1 false 5 270 150 ...
常用六个距离公式
a424466072的博客
04-20 1万+
常用的几个距离公式
相似度算法之余弦相似度
热门推荐
牧野之歌
07-16 24万+
转自：http://blog.youkuaiyun.com/u012160689/article/details/15341303 余弦距离，也称为余弦相似度，是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量。 余弦值越接近1，就表明夹角越接近0度，也就是两个向量越相似，这就叫"余弦相似性"。 上图两个向量a,b的夹角很小可以说a向量和b向量有很高的的相似性，
余弦相似度
jediael_lu的专栏
09-06 2万+
1余弦相似度 2理论推导 3一些特征情况分析 在机器学习算法中，有各种方式衡量用户或者物品的距离或者相似度，如曼哈顿距离、欧几里得距离、Pearson相关系数、Jaccard系数等（可参考http://blog.youkuaiyun.com/lin00jian/article/details/51209715），我们这里主要详细介绍一下余弦相似度。余弦相似度被广泛用于协同过滤算法中，尤其是Item-base的协
图像基础7 图像分类——余弦相似度
猿来这样-谢厂节的博客
07-30 1万+
图像分类利用计算机对图像进行分析，根据图像信息的不同特征，将不同类别的图像区分开来。算法过程 1. 准备样本图像。样本图像能代表所属类别中尽可能多的图像 2. 提取每个样本的特征后，形成类别特征码 3. 应用机器学习算法对类别特征码进行学习，提取特征包含的图像知识 4. 判断未知图像所属类别余弦相似度余弦相似度通过测量两个向量内积空间的余弦值来度量它们之间的相似性，尤其适用于任何维度
相似度计算——余弦相似度
green_lily的博客
06-17 2万+
余弦相似度用向量空间中两向量夹角的余弦值作为衡量两个个体之间差异的大小。余弦值越接近1，表明两个向量的夹角越接近0度，则两个向量越相似。 我们把两个向量，向量a和向量b的夹角叫做θ，那么根据余弦定理可得 在二维空间中如果有两个向量，向量a(x1,y1)，向量b(x2,y2)，根据点积定义方式可得 此计算公式不局限与维度，即余弦的这种计算方法对n维向量也成立。在n维空间中如果有两个...
余弦相似度计算的实现方式
HUSTHY的博客
11-21 1万+
自己手写实现一个，numpy、sklearn、scipy.spatial等 当数据量大了以后就得采用其他的方法了，faiss库和GGNN-graph-based GPU nearest neighbor search 先做调研
马氏距离和欧式距离详解
flying_ant2018的博客
04-09 1099
一般在机器学习模型中会涉及到衡量两个样本间的距离，如聚类、KNN，K-means等，使用的距离为欧式距离。其实，除了欧氏距离之外，还有...
机器学习问答
猪逻辑公园
06-14 1081
欧氏距离适用于向量各分量的度量标准统一的情况；曼哈顿距离依赖座标系统的转度，而非系统在座标轴上的平移或映射。当坐标轴变动时，点间的距离就会不同。曼哈顿距离和欧式距离一般用途不同，无相互替代性。...
余弦相似度 —— Cosine Similarity
ifnoelse的专栏
07-20 3万+
余弦相似度用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小。相比距离度量，余弦相似度更加注重两个向量在方向上的差异，而非距离或长度上。 与欧几里德距离类似，基于余弦相似度的计算方法也是把用户的喜好作为n-维坐标系中的一个点，通过连接这个点与坐标系的原点构成一条直线（向量），两个用户之间的相似度值就是两条直线（向量）间夹角的余弦值。因为连接代表用户评分的点与原点的直线都会相交于原点
java实现-余弦相似度计算
最新发布
07-11
余弦相似度是一种用于衡量两个向量之间夹角的度量，常用于文本处理和自然语言处理中，以评估文档或句子之间的相似性。该度量基于两个向量的点积与它们各自模长的乘积之比[^1]。 在Java中实现余弦相似度计算时，通常...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值