[ KO机器学习] Day9 模型评估：余弦距离的应用

最新推荐文章于 2024-04-05 22:16:38 发布
最新推荐文章于 2024-04-05 22:16:38 发布
阅读量454 收藏 1
点赞数 1
分类专栏： 机器学习 文章标签： 机器学习 深度学习 人工智能 word2vec 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_62128864/article/details/124634043
版权
本章的主题是模型评估，但其实在模型训练过程中，我们也在不断地评估着样本间的距离，如何评估样本距离也是定义优化目标和训练方法的基础。在机器学习问题中，通常将特征表示为向量的形式，所以在分析两个特征向量之问的相似性时，常使用余弦相似度来表示。余弦相似度的取值范围是 [-1,11，相同的两个向量之间的相似度为 1。如果希望得到类似于距离的表示，将1减去余弦相似度即为余弦距离因此，余弦距离的取值范围为[0,2]，相同的两个向量余弦距离为 0。
摘要由CSDN通过智能技术生成

场景描述

本章的主题是模型评估，但其实在模型训练过程中，我们也在不断地评估着样本间的距离，如何评估样本距离也是定义优化目标和训练方法的基础。在机器学习问题中，通常将特征表示为向量的形式，所以在分析两个特征向量之问的相似性时，常使用余弦相似度来表示。余弦相似度的取值范围是 [-1,11，相同的两个向量之间的相似度为 1。如果希望得到类似于距离的表示，将1减去余弦相似度即为余弦距离因此，余弦距离的取值范围为[0,2]，相同的两个向量余弦距离为 0。

知识点：余弦相似度、余弦距离、欧氏距离、距离的定义

问题一 ：结合你的学习和研究经历，探讨为什么在一些场景中要使用余弦相似度而不是欧式距离？

难度：★★☆☆☆

对于两个向量A和B，其余弦相似度定义为

最低0.47元/天 解锁文章
码农男孩
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
百面机器学习3余弦距离---笔记
weixin_45657443的博客
04-09 511
问题：在该篇文章中，对于余弦距离的理解存在问题，主要是对范数的理解不够全面，下为解答 1.什么是余弦距离？ 对于两个向量A和B，其余弦相似度定义为cos⁡(A,B)=A⋅B∥A∥2∥B∥2\cos (A, B)=\frac{A \cdot B}{\|A\|_{2}\|B\|_{2}}cos(A,B)=∥A∥2​∥B∥2​A⋅B​，即两个向量 夹角的余弦，关注的是向量之间的角度关系，并不关心它们...
ko_bigbird:从大鸟模型开发分析模型
03-16
本文将深入探讨ko_bigbird模型的开发过程、关键技术和应用分析。 首先，ko_bigbird借鉴了Google提出的BigBird模型，BigBird通过引入“全局注意力”和“随机注意力”机制，有效地解决了Transformer模型在处理长文本...
机器学习笔记--模型评估之四：余弦距离的应用
wwxsoft的专栏
08-27 547
在机器学习问题中，通常将特征表示为向量的形式，所以在分析两个特征向量之间的相似性时，常使用余弦相似度来表示。余弦相似度的取值为【-1,1】，相同的两个向量之间的相似度为1，如果希望得到类似于距离的标识，讲1减去余弦相似度即为余弦距离。因此余弦距离的取值范围为【0，2】，相同的两个向量余弦距离为0 相关知识点：余弦相似度、余弦距离、欧式距离、距离的定义 ...
【机器学习的一些问题】模型评估之余弦距离
阿里萨的博客
06-01 396
机器学习的过程中，不仅要评估一个模型，也需要评估样本间的距离。特征用向量表示，则特征的相似性由向量的相似性而来，向量的相似性用余弦相似度表示。余弦相似度取值为[-1,1]，为了得到类似于距离的表示，用1减去余弦相似度即为余弦距离，余弦距离取值为[0,2]。 一个严格定义的距离应满足正定性，对称性和三角不等式这三条距离公理，余弦距离不满足三角不等式，不是一个严格定义的距离。 文本、图...
机器学习之余弦距离以及欧式距离
zhuguiqin1的专栏
10-19 1962
一、余弦距离 定义：  similarity =cos⁡(θ)=A⋅B∥A∥∥B∥=∑i=1nAiBi∑i=1nAi2∑i=1nBi2, \text { similarity }=\cos (\theta)=\frac{\mathbf{A} \cdot \mathbf{B}}{\|\mathbf{A}\|\|\mathbf{B}\|}=\frac{\sum_{i=1}^{n} A_{i} B_{i}}{\sqrt{\sum_{i=1}^{n} A_{i}^{2}} \sqrt{\sum_
【Python】欧氏距离和余弦距离
Mr_EvanChen的Blog
08-23 4万+
一、欧几里得距离(Euclidean Distance) 　　 欧氏距离是最常见的距离度量，衡量的是多维空间中各个点之间的绝对距离。公式如下： 　　因为计算是基于各维度特征的绝对数值，所以欧氏度量需要保证各维度指标在相同的刻度级别，比如对身高（cm）和体重（kg）两个单位不同的指标使用欧式距离可能使结果失效。 二、余弦距离          余弦相似
ko-calendar:淘汰赛日历模型
05-01
Knockout （ ko对象）应该是全局可用的，或者可以通过require('knockout') 安装 浏览器： 使ko-calendar.js对客户端可用 < script src =' https://rawgit.com/seikho/ko-calendar/master/ko-calendar.js ' > ...
Cat-Clicker:使用KO的Cat Clicker应用程序
05-14
1. **MVVM模式**：在KO中，ViewModel是应用程序的核心，它包含了业务逻辑和数据模型。ViewModel与视图之间的数据双向绑定使得视图的任何改变都能立即反映到ViewModel中，反之亦然。在"Cat Clicker"中，ViewModel可能...
app:Ko Koel的桌面应用程序
05-02
koel应用 的官方桌面应用程序，建立在之上。 该应用程序将继承其基于Web的对应功能的所有功能，以及仅在桌面环境中才有的功能，例如较低级别的OS交互（如全局媒体快捷方式）。 基本上，两全其美。 安装 git clone -...
【模型评估 03】余弦距离的应用
weixin_55252589的博客
01-11 955
该题主要考察对距离的定义的理解，以及简单的反证和推导。首先看距离的定义：在一个集合中，如果每一对元素均可唯一确定一个实数，使得三条距离公理（正定型、对称性、三角不等式）成立，则该实数可称为这对元素之间的距离。余弦距离满足正定型和对称性，但是不满足三角不等式，因此他并不是严格定义的距离。具体来说，对于向量A和B，三条距离公理的证明过程如下。正定性根据余弦距离的定义，有考虑到，因此有恒成立。特别地，有对称性根据余弦距离的定义，有因此余弦距离满足对称性。三角不等式该性质并不成立，下面给出一个反例。
【DL经典回顾】距离度量大汇总（7-余弦距离(Cosine Distance)）
最新发布
悦学共鸣，温柔以待，汇聚光芒，共同成长
04-05 1523
余弦距离（Cosine Distance）衡量的是两个向量在方向上的差异性，而不是在大小上的差异。
余弦距离的应用 -- cosine distance
m0_38024592的博客
08-26 1万+
在机器学习问题中，通常将特征表示为向量的形式，所以在分析两个特征向量之间的相似性时，常使用余弦相似度来表示，其取值范围为[ -1, 1]。 如果希望得到类似于距离的表示，余弦距离 = 1 - 余弦相似度，其取值范围为[ 0， 2 ]，即相同的两个向量余弦距离为0。 当一对文本相似度的长度差距很大、但内容...
【机器学习300问】51、余弦相似度一般用在哪儿？
qq_39780701的博客
03-25 1750
基础知识扫盲，欧式距离是什么？余弦相似度和余弦距离是什么？为什么要用余弦相似度而不是欧式距离？余弦相似度一般用在哪儿？
【论文】各种距离总结
断桥残雪D的博客
09-17 1221
原文：https://wenku.baidu.com/view/8c9fe0355e0e7cd184254b35eefdc8d376ee14e1.html   墙裂推荐该篇文章：https://blog.csdn.net/Kevin_cc98/article/details/73742037   二、余弦距离          余弦相似度用向量空间中两个向量夹角的余弦值作...
关于欧氏距离和余弦相似度的使用场景
wo的博客
06-06 9032
最近在做“判断两段文本的语义相似度”的事情，实验中用doc2vec做文本向量化，用余弦值衡量文本相似度。 那么为什么选用余弦呢? 如向量的维度是3，有三段文本a、b、c,文本向量化之后的结果假如如下：a=(1,0,0)、b=(0,1,0)、c=(10,0,0)。 我们知道doc2vec的每一个维度都代表一个特征,观察向量的数字，主观看来a和c说的意思应该相似，阐述的都是第一个维度上的...
几种距离计算公式在数据挖掘中的应用场景分析
weixin_34307464的博客
09-20 655
标签： 数据挖掘／曼哈顿距离／欧几里得距离／皮尔逊相关系数／余弦相似度 打开微信扫一扫，关注微信公众号【数据与算法联盟】 转载请注明出处：http://blog.csdn.net/gamer_gyt 博主微博：http://weibo.com/234654758 Github：https://github.com...
机器学习中的数学——距离定义（八）：余弦距离（Cosine Distance）
热门推荐
冯·诺依曼
01-01 4万+
余弦距离(Cosine Distance)也可以叫余弦相似度。 几何中夹角余弦可用来衡量两个向量方向的差异，机器学习中借用这一概念来衡量样本向量之间的差异。相比距离度量，余弦相似度更加注重两个向量在方向上的差异，而非距离或长度上。nnn维空间中的余弦距离为： cos⁡(x,y)=x⋅y∣x∣⋅∣y∣=∑i=1nxiyi∑i=1nxi2∑i=1nyi2\cos(x, y)=\frac{x\cdot y}{|x|\cdot|y|}=\frac{\sum_{i=1}^nx_iy_i}{\sqrt{\sum_{i=
余弦距离介绍
lucky_kai的博客
04-25 3万+
原文链接：https://www.jianshu.com/p/2ae25fc02d4e 涉及到数学公式的地方，还请查看原文链接。 概述： 在机器学习领域中，通常将特征表示为向量的形式，所以在分析两个特征向量之间的相似性时，常用余弦相似度表示。例如将两篇文章向量化，余弦距离可以避免因为文章的长度不同而导致距离偏大，余弦距离只考虑两篇文章生成的向量的夹角。 余弦相似度的取值范围是[-1,1]，相同两个...
大数据新闻供应商：机器学习优化策略与实战
这篇研究论文探讨了大数据在新闻供应商问题中的应用，特别是如何利用机器学习算法来优化决策。传统的新闻供应商问题通常涉及预测需求并据此确定最佳库存量，而本研究则提出了一种新的单步机器学习方法，直接从包含多...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

码农男孩

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值