余弦相似度的理解和实现

---

前言

在学习数学建模的内容的时候,学习并了解到了余弦相似度这一部分内容,在这里进行一个分享

---

一、余弦相似度是什么？

余弦相似度是判断两个变量之间的关系的一种方法
我们可以根据余弦相似度的含义画出如下图像

我们可以看到向量$a$和$b$之间存在一个夹角

• 若两个向量值之间的夹角越小,就说明两个向量有较强的相似性,在极端得到两个向量的值是相等的
• 还有一种情况就是$a$和$b$的夹角是大于$90$度的,这就表明该两个向量是刚好负相关的,也就是负相似
• $a$和$b$的夹角恰好等于$90$度,表示两个向量值完全不相关
  我们可以更与余弦公式得到如下式子:
  $$\begin{gathered} \cos \left(\theta \right)=\frac{{\sum }_{i=1}^n\left(x_i\times y_i\right)}{\sqrt{{\sum }_{i=1}^n{\left(x_i\right)}^2}\times \sqrt{{\sum }_{i=1}^n{\left(y_i\right)}^2}} \\ =\frac{a\cdot b}{||a||\times ||b||} \end{gathered}$$

二、操作步骤

1.具体实现

代码如下（示例）：

#余弦相似度
import pandas as pd
import numpy as np
from numpy.linalg import norm
X=np.random.random((4,2))
Y=np.random.random((5,2))
C=np.dot(X,np.transpose(Y))/(norm(X)*norm(Y))
C

2.得出结果

因为是设置了随机数,所以每次运行处理出来的结果可能不一样

array([[0.14788162, 0.18879034, 0.18509333, 0.09146902, 0.19443364],
       [0.081497  , 0.12903919, 0.12898972, 0.05616926, 0.11422284],
       [0.2490191 , 0.24689625, 0.23502376, 0.13766032, 0.30732159],
       [0.23183351, 0.27200703, 0.26430589, 0.13787399, 0.29803554]])

---

总结

主要是根据两个向量之间的值的大小,计算其夹角的余弦的大小,查看两个向量之间的关系,若两个值越是垂直,那么说明两个值之间的关系越小,其实这就和计算cov是十分类似的

参考文章

基于python计算余弦相似度
相似度算法之余弦相似度
原创不易,侵权必究