numpy :: 计算特征之间的余弦距离

余弦距离在计算相似度的应用中经常使用，比如：

• 文本相似度检索
• 人脸识别检索
• 相似图片检索

原理简述

下面是余弦相似度的计算公式（图来自wikipedia）：

 

但是，余弦相似度和常用的L1距离或欧式距离的有所区别。

• 余弦相似度的取值范围在-1到1之间。完全相同时数值为1，相反反向时为-1，正交或不相关是为0。（如下图，来源）
• 欧式距离一般为正值，归一化之后在0~1之间。距离越小，越相似。

欧式距离用于相似度检索更符合直觉。因此在使用时，需要将余弦相似度转化成类似于欧氏距离的余弦距离。

维基页面中给出的角距离计算公式如下