泛统计理论初探——余弦距离简介

最新推荐文章于 2023-12-31 01:39:57 发布
最新推荐文章于 2023-12-31 01:39:57 发布
阅读量5.9k 收藏 7
点赞数 2
分类专栏： 统计学习 文章标签： 数据挖掘 机器学习 深度学习 线性代数 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/qq_26727101/article/details/104406362
版权
本文介绍了余弦距离的概念，它是衡量变量间距离的一种方式，与欧式距离不同，余弦距离关注的是变量之间的相对差异性。通过公式推导，展示了余弦距离与欧式距离的关系，并通过实例说明了在不同场景下选择合适距离度量的重要性。
摘要由CSDN通过智能技术生成

统计学习-余弦距离简介

介绍余弦距离
在衡量变量之间距离的时候，我们发现可以用欧式距离、绝对值距离，本文我们将来介绍另一种距离，即余弦距离。余弦距离在实际问题中经常用到，由于它的计算方法是把各个维度的点积相乘并相加，然后除以模长得到余弦相似度，再用1减去余弦相似度得到余弦距离，该方法和欧式距离等直接计算距离差的计算方法不同，可以较好地消除变量本身的数值大小带来的距离计算问题。
余弦相似度的公式如下： 在这里插入图片描述
余弦距离=1-余弦相似度
根据上述的表达式，我们可以看到，余弦相似度就是把两个向量进行点积然后相加后去除以各自的模长，余弦相似度的实际含义如下图。
在这里插入图片描述
通过上图我们可以看出，余弦相似度是介于-1和1之间的值，如果上图的a向量和b向量的夹角是0度，那么余弦相似度是1，而余弦距离是0，即两者非常相似，没有差异。如果上图的a向量和b向量的夹角是90度，那么余弦相似度是0，余弦距离是1，即两者完全不相似，有很大的差异。
那么余弦距离和之前提到的欧式距离有哪些关系呢，下面我们来进行公式推导，首先是欧式距离的定义如下：

最低0.47元/天 解锁文章
喷火龙与水箭龟
关注
专栏目录
【DL经典回顾】距离度量大汇总（7-余弦距离(Cosine Distance)）
悦学共鸣，温柔以待，汇聚光芒，共同成长
04-05 1790
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
听了个听儿
04-18 2245
来自维基百科对余弦距离的定义： 通过测量两个向量内积空间的夹角的余弦值来度量它们之间的相似性。0度角的余弦值是1，而其他任何角度的余弦值都不大于1;并且其最小值是-1。从而两个 向量之间的角度的余弦值确定两个向量是否大致指向相同的方向。两个向量有相同的指向时，余弦相似度的值为1；两个向量夹角为90°时，余弦相似度的值为 0；两个向量指向完全相反的方向时，余弦相似度的值为-1。在比较过程中，向
【论文】各种距离总结
断桥残雪D的博客
09-17 1247
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...
泛统计理论初探——Kmeans方法简介
喷火龙与水箭龟的博客
12-06 2284
数据挖掘-探讨Kmeans算法 Kmeans算法简介 众所周知，机器学习分为有监督学习和无监督学习两种。对于有监督学习的情况，一般根据被解释变量是否连续，分为分类问题和回归问题，在之前的文章中已经有过讨论。在本文中，我们将讨论无监督学习中的一种聚类方法，即Kmeans算法。该算法被称为K均值方法，从字面上的意思就可以看出，确定参数K非常重要。实际上，K均值方法的主要思想是采用距离作为衡量两个实体之...
泛统计理论初探——统计编码方法简介
喷火龙与水箭龟的博客
02-01 4967
统计学习-统计编码方法简介 机器学习常见的编码方法简介 在实际的问题中，经常会遇到自变量是分类变量的问题，比如血型、学历、职称级别、衣服型号等。在处理这些变量的时候，通常会对变量进行编码处理，使得原来的变量取值变成数学上的数字，比如0，1等数值，这样可以方便代入模型来进行实际预测和分析。在本文中，我们将介绍几种常见的编码方法，通过学习编码方法来加深机器学习中对分类变量处理的认识。 常见的结构型数据...
泛运筹理论初探——Node2Vec算法简介
喷火龙与水箭龟的博客
03-06 1082
图论-图论算法之Node2Vec Node2Vec算法简介     在上一篇文章里，我们介绍了最简单也是最基础的图嵌入方法DeepWalk，其实就是适用于大数据情况下的多轮次完全随机游走，找到点之间的多阶关联信息。而在本文之中，我们将会介绍Node2Vec方法，这种方法是在DeepWalk的基础上进行改进，引入了深度优先搜索DFS和广度优先搜索BFS算法的思路，通过构造每一次游走的概率来刻画对于“向远处走”和“在附近游荡”这两种方式，下面我们来介绍这种算法。 &nbs
泛统计理论初探——因子分析方法简介
喷火龙与水箭龟的博客
01-18 1361
统计学习-初探因子分析方法 初探因子分析 在之前的文章里，我们聊了主成分分析方法，这种方法广泛应用于各种实际统计问题，可以被用来进行降维处理，减少了变量数目，并且新变量之间没有相关性。今天我们来了解一下因子分析，因子分析从本质上来说就是一种寻找多个变量之间的共同因子，如果主成分分析方法是一种变量合成的方法，那么因子分析方法就是一种提取共性变量的方法。 其实因子分析这种方法最早是从教育统计来的，当时...
余弦距离计算
gggi520的博客
07-25 565
余弦距离计算。
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...
相似度计算之(二)——余弦距离
educationer的博客
08-14 3万+
将数据看成空间中的点时，评价远近可以用欧式距离或余弦距离 一般可用于文本间的相似度计算，但也不是绝对的 余弦距离计算步骤： 以余弦距离计算文本相似度为例，具体说明其计算过程： 余弦相似度算法： 一个向量空间中两个向量夹角间的余弦值作为衡量两个个体之间差异的大小，余弦值接近1，夹角趋于0，表明两个向量越相似，余弦值接近于0，夹角趋于90度，表明两个向量越不相似。 基本思路是： 如果这两句话的用词越...
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=
余弦距离和欧氏距离，知道原理和公式后真的很简单
振华OPPO的博客世界
12-26 3051
而当我们分析用户活跃度，以登陆次数(单位：次)和平均观看时长(单：分钟)作为特征时，余弦距离会认为(1,10)、(10,100)两个用户距离很近；统计两部剧的用户观看行为，用户A的观看向量为(0,1)，用户B为(1,0)；我们来看下公式，其实就是余弦计算公式：A和B是两个任意向量，除以它们模的乘积，就得到它们夹角的余弦值，其中向量Ai和Bi是向量A和B的每一个分量。总体来说，欧氏距离体现数值上的绝对差异，而余弦距离体现方向上的相对差异。简单来说，余弦相似度，就是计算两个向量间的夹角的余弦值。
模型评估之余弦距离
beilizhang的博客
02-08 1362
参考资料 《百面机器学习》 https://www.it1352.com/1689274.html https://blog.csdn.net/m0_37890477/article/details/80413344 余弦距离 定义 对于两个向量AAA和BBB，余弦距离=1−cos(A,B)余弦距离=1-cos(A,B)余弦距离=1−cos(A,B)，其中，cos(A,B)cos(A,B)cos(A,B)为余弦相似度，计算公式为： cos(A,B)=A⋅B∥A∥2∥B∥2cos\left ( A,B\r
计算余弦距离
hk121的博客
07-24 1191
load('lfw_feature_jing.mat'); fid = fopen('lfw_all.txt','wt'); a=[]; label=[]; for i=1:2:12000     feature1=feats(i,:);     feature2=feats(i+1,:);     x=[feature1;feature2];     distance_cosi
DeepSort知识整理：余弦距离和马氏距离 (一)
qq_45266796的博客
12-04 1404
余弦距离和马氏距离
实现高效的余弦距离计算方法
最新发布
AI天才研究院
12-31 1932
1.背景介绍 余弦距离是一种常用的相似度或距离度量方法，广泛应用于文本摘要、文本分类、噪声消除、图像识别等领域。在大数据环境下，如何高效地计算余弦距离成为了一个重要的研究问题。本文将从余弦距离的定义、原理、算法实现等方面进行全面讲解，为读者提供一个深入的技术博客。 1.1 余弦距离的定义 余弦距离(Cosine Similarity)是一种基于余弦度量的相似度度量方法，用于衡量两个向量之间的...
评论
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
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