余弦距离与欧式距离

前几天在做数据分析笔试题的时候，上面问到了欧氏距离和余弦距离的差别，并不是很清楚。因此，在此学习下这个知识点，作个总结。
注：文本转载自：https://zhuanlan.zhihu.com/p/84643138

一、余弦距离

简单来说，余弦相似度，就是计算两个向量间的夹角的余弦值。余弦距离就是用1减去这个获得的余弦相似度。

由上面的余弦距离可以知道，余弦距离的取值范围为[0,2] ,这就满足了非负性的性质。

二、欧式距离

欧式距离就是常用的距离计算公式：

三、两者之间的关系

当向量的模长是经过归一化的，此时欧氏距离与余弦距离有着单调的关系：

在此场景下，如果选择距离最小（相似度最大）的近邻，那么使用余弦相似度和欧氏距离的结果是相同的。

四、什么时候用余弦距离什么时候用欧式距离呢？

总体来说，欧氏距离体现数值上的绝对差异，而余弦距离体现方向上的相对差异。

1）例如，统计两部剧的用户观看行为，用户A的观看向量为(0,1)，用户B为(1,0)；此时二者的余弦距很大，而欧氏距离很小；我们分析两个用户对于不同视频的偏好，更关注相对差异，显然应当使用余弦距离。这里的观看向量为0(没有观看),1(观看)。此类的统计与具体的数值无关，比如观看时长，观看次数等。因此为了体现方向上的差异，采用余弦距离。

2）而当我们分析用户活跃度，以登陆次数(单位：次)和平均观看时长(单：分钟)作为特征时，余弦距离会认为(1,10)、(10,100)两个用户距离很近；但显然这两个用户活跃度是有着极大差异的，此时我们更关注数值绝对差异，应当使用欧氏距离。这个例子与上面的不同，更注重的是数量关系，比如登录次数，观看时长等，而不是是否观看。因此，为了体现数值上的差异，采用高欧氏距离。

总结：在日常使用中需要注意区分，余弦距离虽然不是一个严格意义上的距离度量公式，但是形容两个特征向量之间的关系还是有很大用处的。比如人脸识别，推荐系统等。