前言

在机器学习中有很多地方要计算相似度，比如聚类分析和协同过滤。计算相似度的有许多方法，其中有欧几里德距离(欧式距离)、曼哈顿距离、Jaccard系数和皮尔逊相关度等等。我们这里把一些常用的相似度计算方法，用python进行实现以下。大家都是初学者，我认为把公式先写下来，然后再写代码去实现比较好。

欧几里德距离(欧式距离)

几个数据集之间的相似度一般是基于每对对象间的距离计算。最常用的当然是欧几里德距离，其公式为：

#-*-coding:utf-8 -*-#计算欧几里德距离：
def euclidean(p,q):
#如果两数据集数目不同，计算两者之间都对应有的数
same = 0
for i in p:if i in q:same +=1#计算欧几里德距离,并将其标准化
e = sum([(p[i] - q[i])**2 for i in range(same)])
return 1/(1+e**.5)

我们用数据集可以去算一下：

p = [1,3,2,3,4,3]
q = [1,3,4,3,2,3,4,3]
print euclidean(p,q)

得出结果是：0.261203874964

皮尔逊相关度

几个数据集中出现异常值的时候，欧几里德距离就不如皮尔逊相关度‘稳定’，它会在出现偏差时倾向于给出更好的结果。其公式为：

-*-coding:utf-8 -*-#计算皮尔逊相关度：
def pearson(p,q):
#只计算两者共同有的same = 0for i in p:if i in q:same +=1n = same#分别求p，q的和sumx = sum([p[i] for i in range(n)])sumy = sum([q[i] for i in range(n)])#分别求出p，q的平方和sumxsq = sum([p[i]**2 for i in range(n)])sumysq = sum([q[i]**2 for i in range(n)])#求出p，q的乘积和sumxy = sum([p[i]*q[i] for i in range(n)])# print sumxy#求出pearson相关系数up = sumxy - sumx*sumy/ndown = ((sumxsq - pow(sumxsq,2)/n)*(sumysq - pow(sumysq,2)/n))**.5#若down为零则不能计算，return 0if down == 0 :return 0r = up/downreturn r

用同样的数据集去计算：

p = [1,3,2,3,4,3]
q = [1,3,4,3,2,3,4,3]
print pearson(p,q)

得出结果是：0.00595238095238

曼哈顿距离

曼哈顿距离是另一种相似度计算方法，不是经常需要，但是我们仍然学会如何用python去实现，其公式为：

#-*-coding:utf-8 -*-#计算曼哈顿距离：
def manhattan(p,q):
#只计算两者共同有的same = 0for i in p:if i in q:same += 1
#计算曼哈顿距离n = samevals = range(n)distance = sum(abs(p[i] - q[i]) for i in vals)return distance

用以上的数据集去计算：

p = [1,3,2,3,4,3]
q = [1,3,4,3,2,3,4,3]
print manhattan(p,q)

得出结果为4

小结

这里只讲述了三种相似度的计算方法，事实上还有很多种，由于我也是刚学，其他的方法还不是很了解，以后碰到了再补上。一般情况下，这三种方法是最常用的，足够我们使用了。

多种相似度计算的python实现相关推荐

python 拼音相似度_多种相似度计算的python实现
前言在机器学习中有很多地方要计算相似度,比如聚类分析和协同过滤.计算相似度的有许多方法,其中有欧几里德距离(欧式距离).曼哈顿距离.Jaccard系数和皮尔逊相关度等等.我们这里把一些常用的相似度计 ...
各种相似度计算的python实现
来源:本文转载地址 (注:相对转载代码做了一些改动) 前言在数据挖掘中有很多地方要计算相似度,比如聚类分析和协同过滤.计算相似度的有许多方法,其中有欧几里德距离.曼哈顿距离.Jaccard系数和皮 ...
python 复杂数据相似度计算_Opencv python图像处理-图像相似度计算
一.相关概念 1. 一般我们人区分谁是谁,给物品分类,都是通过各种特征去辨别的,比如黑长直.大白腿.樱桃唇.瓜子脸.王麻子脸上有麻子,隔壁老王和儿子很像,但是儿子下巴涨了一颗痣和他妈一模一样,让你确定 ...
文本匹配相似度计算---多种距离算法，多种相似度计算算法，一看就懂
常见的距离算法和相似度(相关系数)计算方法 1.常见的距离算法 1.1欧几里得距离(Euclidean Distance) 欧氏距离是最易于理解的一种距离计算方法,源自欧氏空间中两点间的距离公式. ( ...
关于相似度计算方法的python实现
关于相似度计算方法的python实现参考各种相似度计算的python实现 [KNN]基于numpy的曼哈顿距离实现余弦距离介绍欧氏距离,曼哈顿距离:计算两个向量间的相似程度,值越小,相似度越高 ...
python 图像识别_python图像识别之图片相似度计算
作者 | a1131825850疯子来源 | Python爬虫scrapy 原文 | python图像识别---------图片相似度计算 1.背景要识别两张图片是否相似,首先我们可能会区分这两张 ...
ML：文本、图像等数值化数据相似度计算之余弦相似度计算三种python代码实现
ML:文本.图像等数值化数据相似度计算之余弦相似度计算三种python代码实现目录相似度计算之余弦相似度计算输出结果三种python代码实现
Python简单实现基于VSM的余弦相似度计算
在知识图谱构建阶段的实体对齐和属性值决策.判断一篇文章是否是你喜欢的文章.比较两篇文章的相似性等实例中,都涉及到了向量空间模型(Vector Space Model,简称VSM)和余弦相似度计算相关知 ...
文本相似度计算python lda_如何识别“答非所问”？使用gensim进行文本相似度计算...
在文本处理中,比如商品评论挖掘,有时需要了解每个评论分别和商品的描述之间的相似度,以此衡量评论的客观性. 评论和商品描述的相似度越高,说明评论的用语比较官方,不带太多感情色彩,比较注重描述商品的属性和 ...

多种相似度计算的python实现

前言

欧几里德距离(欧式距离)

皮尔逊相关度

曼哈顿距离

小结

多种相似度计算的python实现相关推荐

最新文章

热门文章