如何在 python 中找到正确的向量/数组相似度？

Posted 2023-03-12

【中文标题】如何在 python 中找到正确的向量/数组相似度？

【英文标题】：How to find correct vector/array similarity in python?

【发布时间】：2021-11-18 13:06:28

【问题描述】：

我正在尝试找到一种合适的方法来比较 2 个数组/向量，而不是基于直接的布尔比较，而是基于比例或梯度 [0,1]。最接近的工作是余弦相似性，但即使这似乎也不是我想要的。

例子：

from scipy import spatial

a = np.array([1,2,3,4,10])
b = np.array([1,2,3,4,5])

print(1 - spatial.distance.cosine(a,b))

这给了0.9460998335825321 并为我工作。

但是对于这样的情况：

from scipy import spatial

a = np.array([1,1,1,1,1])
b = np.array([1,2,3,4,5])

print(1 - spatial.distance.cosine(a,b))

它不应该给0.9045340337332909 ...我期待一个像0.2这样的低得多的数字。这里有什么好工具？

谢谢

【问题讨论】：

找到正确的一个：它称为“braycurtis”距离：spatial.distance.braycurtis

【参考方案1】：

您可以使用它们之间的角度来确定一个与另一个之间的距离，如果角度更接近 0，那么一个是另一个的多重（它们几乎相同，具有相同的方向），如果角度接近 180 度，它们是相反的向量。

你可以这样做来计算角度：

import numpy as np
import math

v1 = np.array([1,2,3,4,5])
v2 = np.array([1,2,3,4,10])

def magnitude(v):
    return np.sqrt(v.dot(v))

def angle(v1,v2):
    #returns the angle between two vectors
    a = np.arccos(v1.dot(v2)/(magnitude(v1)*magnitude(v2)))
    return math.degrees(a) #standarize the angle from 0 to 1 with a = 1-(a/180)

【讨论】：

但这不正是余弦相似度所做的完全相同的事情吗？