欧式距离
也称欧几里得距离,是最常见的距离度量,衡量的是多维空间中两个点之间的绝对距离。
多维空间每个坐标的差的平方和再求平方根
余弦相似度
范围[-1, 1],相同则相似度为1。
A和B的点乘除以他们长度的乘积。
余弦距离
范围(0,2)
dist = 1 - 余弦相似度
关系与区别
欧式距离和余弦相似度并不同,
在高维的情况下,如果两个文本的相似度的长度差距很大,但内容相近,如果使用词频或词向量作为特征,他们在特征空间中的欧式距离通常很大;如果使用余弦相似度,他们的夹角可能很小,因而相似度高。
无论维度多高,余弦相似度依然保持相同时为1,正交时为0,相反时为-1的性质。但是欧式距离会受到维度的影响不固定。
总的来说,欧式距离体现的是数值的绝对差异,而余弦体现的是方向上的相对差异。
如果关注的是数值的差异,那么使用欧式距离,比如电视的观看时长,次数等;如果关注的是相对差异,比如视频的偏好等,使用余弦相似度。
所以,我觉得最简单的例子就是,一对高维的向量,如[10, 5, 10, 5]与[1, 0.5, 1, 0.5],虽然他们的欧式距离不是0,但是他们的余弦距离是1.这样可以明显看出,在高维的情况下,如果关注方向上的差异,用余弦相似度!!