使用R语言计算向量的相似性

使用R语言计算向量的相似性

在数据分析和机器学习中，我们经常需要比较和计算向量之间的相似性。在R语言中，有多种方法可以用来计算向量的相似性，包括欧氏距离、余弦相似度和相关系数等。本文将介绍如何使用R语言计算两个向量之间的相似性，并提供相应的源代码。

首先，让我们定义两个示例向量来进行演示。假设我们有两个向量x和y，分别表示某个特征或属性的取值。

# 定义示例向量
x <- c(1, 2, 3, 4, 5)
y <- c(2, 4, 6, 8, 10)

接下来，我们将使用不同的方法计算这两个向量之间的相似性。

1. 欧氏距离：

欧氏距离是计算向量之间距离的常用方法。它可以衡量向量之间的差异程度，距离越小表示两个向量越相似。

# 计算欧氏距离
euclidean_distance <- sqrt(sum((x - y)^2))

2. 余弦相似度：

余弦相似度衡量的是向量之间的夹角余弦值，范围在-1到1之间。余弦相似度越接近1，表示两个向量越相似。

# 计算余弦相似度
cosine_similarity <- sum(x * y) / (sqr