scikit cosine_similarity vs pairwise_distances

Posted 2023-02-23

【中文标题】scikit cosine_similarity vs pairwise_distances

【英文标题】：

【发布时间】：2016-05-18 19:50:32

【问题描述】：

Scikit-learn 的 sklearn.metrics.pairwise.cosine_similarity 和 sklearn.metrics.pairwise.pairwise_distances(.. metric="cosine") 有什么区别？

from sklearn.feature_extraction.text import TfidfVectorizer

documents = (
    "Macbook Pro 15' Silver Gray with Nvidia GPU",
    "Macbook GPU"    
)

tfidf_vectorizer = TfidfVectorizer()
tfidf_matrix = tfidf_vectorizer.fit_transform(documents)

from sklearn.metrics.pairwise import cosine_similarity
print(cosine_similarity(tfidf_matrix[0:1], tfidf_matrix)[0,1])

0.37997836

from sklearn.metrics.pairwise import pairwise_distances
print(pairwise_distances(tfidf_matrix[0:1], tfidf_matrix, metric='cosine')[0,1])

0.62002164

为什么这些不同？

【参考方案1】：

来自源代码documentation：

Cosine distance is defined as 1.0 minus the cosine similarity.

所以你的结果是有意义的。

【讨论】：

嗯哇。是的。这很有意义 - 不敢相信我错过了

【参考方案2】：

成对距离提供两个数组之间的距离。所以成对距离越大，相似度越小。而余弦相似度是 1-pairwise_distance，所以余弦相似度越大，两个数组之间的相似度越高。