Pearson correlation coefficient与Cosine Similarity的区别

1、Pearson correlation coefficient

   最本质最核心的特征：是用来的衡量相关性，而相关性是用来衡量两
   个变量的关系，需要动态变化中体现出来的；比如：随机变量：X，
   Y,  X取值x1时，Y取值y1，X取值x2时，Y取值y2；这取值可以是标量也可以是向量

2、Cosine Similarity

   最本质的特征：是用来衡量相似度的；比如说两个人的相似度，两张
   图片的相似度等等，最终都需要转化成计算机识别的数字来进行计
   算，是静态的,不需要动态变化

3、Case说明

    随机变量：X与Y,X取值：[1,2], [2,3],……; Y取值[-1,-2], 
    [-2,-3]，……; 相关性计算需要用到X与Y所有向量；而相似度仅仅需
    要两个向量，比如说X的两个向量[1,2]与[2,3]；

4、结论：

    输入的不同：相关性输入两个数据集，相似度输入两个样本
    输出的不同：相关性-[-1,1]，相似度:[0,1]
    概念的不同：相关性衡量两个变量的动态关系，我变得越来越帅变了，你是否也和我一样的变化呢；相似度衡量的是相似度，我和你长得得像不像