距离度量 —— 余弦相似度（Cosine similarity）

Python学习系列文章：👉 目录 👈

文章目录

• 一、概述
• 二、计算公式

• ① 二维平面上的余弦相似度
• ② n维空间上的余弦相似度
• ③ 注意

一、概述

三角函数，相信大家在初高中都已经学过，而这里所说的余弦相似度（Cosine Distance）的计算公式和高中学到过的公式差不多。

在几何中，夹角的余弦值可以用来衡量两个方向（向量）的差异；因此可以推广到机器学习中，来衡量样本向量之间的差异。

因此，我们的公式也要稍加变换，使其能够用向量来表示。

二、计算公式

① 二维平面上的余弦相似度

假设 二维平面 内有两向量：$A(x_{1},y_{1})$ 与 $B(x_{2},y_{2})$

则二维平面的 $A$、$B$

$cos(\theta)=\frac{a\cdot b}{|a| |b|}$

$\begin{aligned} cos(\theta)&=\frac{a\cdot b}{|a| |b|}\\ &=\frac{x_{1}x_{2}+y_{1}y_{2}}{\sqrt{x_{1}^2+y_{1}^2}\sqrt{x_{2}^2+y_{2}^2}} \end{aligned}$

② n维空间上的余弦相似度

推广到 n 维空间的两个向量 $A(x_{11},x_{12},...,x_{1n})$ 与 $B(x_{21},x_{22},...,x_{2n})$，则有余弦相似度为：

$\begin{aligned} cos(\theta)&=\frac{a\cdot b}{|a| |b|}\\ &=\frac{\sum_{k=1}^n x_{1k} x_{2k}}{\sqrt{\sum_{k=1}^nx_{1k}^2}\sqrt{\sum_{k=1}^nx_{2k}^2}} \end{aligned}$

③ 注意

• 余弦相似度的取值范围为 $[-1,1]$。
• 余弦越大表示两个向量的夹角越小，余弦越小表示两向量的夹角越大。
• 当两个向量的方向重合时余弦取最大值 $1$，当两个向量的方向完全相反余弦取最小值 $-1$。