对比欧氏距离与余弦相似度
欧式距离
欧氏距离就是我们平常所说的距离,如果是平面上的两个点和 ,那么 A 与 B 的欧式距离就是;如果是三维空间中的两个点 和 ,那么 A 与 B 的欧式距离就是;如果推广到高维空间,公式可以类推,再次不再赘述(编辑公式好累……)。欧几里德距离真的是数学加减乘除算出来的距离,因此这就是只能用于连续型变量的原因。
余弦相似度
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。有一个图可以形象地说明两个概念的差异:
从上图可以看出,欧氏距离衡量的是空间各点的绝对距离,跟各个点所在的位置坐标直接相关;而余弦距离衡量的是空间向量的夹角,更加体现在方向上的差异,而不是位置。如果保持 A 点位置不变,B 点朝原方向远离坐标轴原点,那么这个时候余弦距离是保持不变的(因为夹角没有发生变化),而 A 与 B 两点的距离显然在发生变化,这就是欧式距离与余弦相似度的不同之处。
再举个非常形象简单的关于聚类的例子:
歌手大赛,三个评委给三个歌手打分,第一个评委的打分(10,8,9), 第二个评委的打分(4,2,3),第三个评委的打分(8,10,9),如果采用余弦相似度来看每个评委的差异,虽然每个评委对同一个选手的评分不一样,但第一、第二两个评委对这三位歌手实力的排序是一样的,只是第二个评委对满分有更高的评判标准,说明第一、第二个评委对音乐的品味上是一致的。
因此,用余弦相似度来看,第一、第二个评委为一类人,第三个评委为另外一类。
如果采用欧氏距离, 第一和第三个评委的欧氏距离更近,就分成一类人了,但其实不太合理,因为他们对于三位选手的排名都是完全颠倒的。
两者各自的适用模型:
欧氏距离能够体现个体数值特征的绝对差异,所以更多的用于需要从维度的数值大小中体现差异的分析,如使用用户行为指标分析用户价值的相似度或差异。
余弦距离更多的是从方向上区分差异,而对绝对的数值不敏感,更多的用于使用用户对内容评分来区分兴趣的相似度和差异,同时修正了用户间可能存在的度量标准不统一的问题(因为余弦距离对绝对数值不敏感)。
两者的计算
关于欧式距离与余弦相似度的计算,在 MATLAB 中都有相应的函数。
D = pdist(X,distance)
- 1
其中,distance 参数可根据需求来选择,详情可参阅 MATLAB 中 pdist 函数文档:
原文地址:https://blog.csdn.net/huangfei711/article/details/78469614
对比欧氏距离与余弦相似度相关推荐
- 余弦相似度和欧氏距离_欧氏距离和余弦相似度
余弦相似度和欧氏距离 Photo by Markus Winkler on Unsplash Markus Winkler在Unsplash上拍摄的照片 This is a quick and str ...
- 相似度度量:欧氏距离与余弦相似度(Similarity Measurement Euclidean Distance Cosine Similarity)...
在<机器学习---文本特征提取之词袋模型(Machine Learning Text Feature Extraction Bag of Words)>一文中,我们通过计算文本特征向量之间 ...
- 欧氏距离、余弦相似度、Jaccard相似度、皮尔逊的Python代码与实例
首先是一段计算4个相似度的Python代码. 需要注意的是,进行归一化操作后,4个函数取值范围都是0-1,而且都是数值越大表示相似性越高,数值为1代表完全相似. import numpy as npd ...
- [推荐系统]欧氏距离和余弦相似度
两者相同的地方,就是在机器学习中都可以用来计算相似度,但是两者的含义有很大差别,以我的理解就是: 前者是看成坐标系中两个点,来计算两点之间的距离: 后者是看成坐标系中两个向量,来计算两向量之间的夹角. ...
- 欧氏距离和余弦相似度的前世今缘
前几天在一场报告中和同事聊到了高维向量的距离度量,大家讨论的点是:欧氏距离在高维下效果会非常差,那有没有其他更有效的方法? 当时第一时间想到了余弦相似度,印象中在文本相似度(文本匹配)度量中就是用的余 ...
- 【转】自然语言处理:文本相似度计算(欧氏距离、余弦相似度、编辑距离、杰卡德相似度)
文本相似度,顾名思义是指两个文本(文章)之间的相似度,在搜索引擎.推荐系统.论文鉴定.机器翻译.自动应答.命名实体识别.拼写纠错等领域有广泛的应用. 与之相对应的,还有一个概念--文本距离--指的是两 ...
- 自然语言处理:文本相似度计算(欧氏距离、余弦相似度、编辑距离、杰卡德相似度)
文本相似度,顾名思义是指两个文本(文章)之间的相似度,在搜索引擎.推荐系统.论文鉴定.机器翻译.自动应答.命名实体识别.拼写纠错等领域有广泛的应用. 与之相对应的,还有一个概念--文本距离--指的是两 ...
- 关于欧氏距离和余弦相似度的使用场景
最近在做"判断两段文本的语义相似度"的事情,实验中用doc2vec做文本向量化,用余弦值衡量文本相似度. ## 那么为什么选用余弦呢? 如向量的维度是3,有三段文本a.b.c,文本 ...
- 相似度计算——欧氏距离、汉明距离、余弦相似度
计算图像间的相似性可以使用欧氏距离.余弦相似度/作为度量,前者强调点的思想,后者注重线的思想. 欧氏距离 欧式距离/Euclidean Distance即n维空间中两个点之间的实际距离.已知两个点A= ...
最新文章
- php explore im,浏栏器器-explore.class.php_php
- Linux-Shell 快捷键
- 笔记本nc10装linux,绝配:Ubuntu 9.04与上网本(NC10)
- android context继承关系,android中Context深入详解
- Spring Cloud综合实战 - 基于TCC补偿模式的分布式事务
- 解决function id unknown issue
- Linux之ssh服务默认端口修改
- [蓝桥杯][2019年第十届真题]糖果(状压dp)
- blockchain_eth客户端安装 geth使用 批量转账(二)
- matlab计算大米个数,如何求数组元素的个数 matlab
- 玻璃质感_photoshop绘制玻璃质感创意图标
- android环信退出登录,环信退出登陆的的问题
- excel中图片导入mysql_把Excel的数据(文字、图片)导入MySQL数据库
- 符号三角形_dfs算法
- 数据结构与算法(三) 排序算法(代码示例)
- 【2022国赛模拟】摆(bigben)——行列式、杜教筛
- 能哄老婆睡觉的小故事
- 高职学校计算机研讨内容,高职院校计算机文化基础课教学与计算机等级考试关系研讨...
- python输入n个数、输出最小的数字_程序查找最少的斐波纳契数以在Python中加到n?...
- Java 模拟新浪登录 2016