谈谈距离度量方式：欧氏距离与余弦距离

最新推荐文章于 2024-09-11 12:11:23 发布
最新推荐文章于 2024-09-11 12:11:23 发布
阅读量674 收藏 16
点赞数 21
分类专栏： Loss/损失函数 文章标签： 人工智能
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/u013250861/article/details/137093911
版权
本文探讨了机器学习中常用的两种距离度量方式——欧氏距离和余弦距离，分析了它们的区别和应用场景。欧氏距离衡量的是向量之间的绝对差异，适用于低维数据且大小重要的情况；而余弦距离关注向量的方向差异，适用于高维或稀疏向量。将欧氏距离应用于归一化的向量，则等同于余弦距离。余弦距离不满足三角不等式，因此不是严格意义上的距离。
摘要由CSDN通过智能技术生成

前因

在机器学习/深度学习的很多任务中，我们通常会面临着两个样本之间相似度的比较。通常常用的两种度量方式为欧氏距离与余弦距离，那么在什么时候用欧氏距离？什么时候用余弦相似度？他们之间的联系与区别在哪里呢？

探索

在机器学习当中，通常以一组向量来表示样本

如上图所示，欧式距离是通过勾股定理来计算两个向量之间的距离：

余弦相似度是计算两个向量之间夹角的余弦值：

通常用1-D(x,y)来表示余弦距离。

分析：

首先谈谈区别，

最低0.47元/天 解锁文章
u013250861
关注
专栏目录
常见距离度量方法优缺点对比！
Datawhale
02-09 6608
↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货译者：张峰，安徽工业大学，Datawhale成员许多算法，不管是有...
余弦距离与欧式距离
AvenueCyy的博客
04-23 1659
前几天在做数据分析笔试题的时候，上面问到了欧氏距离和余弦距离的差别，并不是很清楚。因此，在此学习下这个知识点，作个总结。 注：文本转载自：https://zhuanlan.zhihu.com/p/84643138 一、余弦距离 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。余弦距离就是用1减去这个获得的余弦相似度。 由上面的余弦距离可以知道，余弦距离的取值范围为[0,2] ,这就满足了...
欧氏距离和余弦距离的区别
ee58594的博客
05-22 181
欧氏距离衡量的是空间各点的绝对距离，跟各个点所在的位置坐标直接相关；而余弦距离衡量的是空间向量的夹角，更加体现在方向上的差异，而不是位置。
机器学习面试题（二）：距离度量（余弦与欧式距离的区别、为什么knn不用曼哈顿距离而要用欧式距离、knn与kmeans的区别）
weixin_41611045的博客
11-30 2448
1、欧式距离与余弦距离 对于两个向量 A和B ，其余弦相似度定义为 即两个向量夹角的余弦，关洼的是向量之间的角度关系，并不关心他们的绝对大小，真取值范围是［-1, 1］ ...
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 2962
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。
黎曼传记资料（2010-04-22 22:17:06）
u010401391的专栏
11-02 6545
 黎曼的数学成就： 一、实、复分析 1.1三角级数 1.2黎曼积分 1854年，黎曼定义了有界函数的积分。 黎曼积分的定义：设M为空间R^n(n0]∑[10]∑[1 1.3在偏微分方程中他给出了解波动方程的一个重要方法 黎曼-许瓦兹定理 黎曼关于条件收敛级数的定理，通过重排可以得到任何数 二、解析数论 2.1黎曼ζ函数的研究 三、局部微分几何 3.1（拓扑）流形、微分
文本嵌入演变、可视化和应用的综合指南
安静的软件工程师
02-24 982
文本嵌入演变、可视化和应用的综合指南
银行大数据工程师笔试题
小力子的博客
09-06 1万+
Spark有3种运行模式（分布式部署方式）：独立集群运行模式、YARN运行模式、Mesos运行模式。 SecondaryNameNode：它的目的是帮助 NameNode 合并编辑日志，减少 NameNode 启动时间。 以下python语句(Python 2.7.13)的执行结果是： import re key = r"mat cat hat pat" p1 = r"[^c|p]at" pa...
欧氏距离和余弦距离
小花生的博客
05-06 8640
欧氏距离和余弦距离 参考：https://blog.csdn.net/mr_evanchen/article/details/77511312 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。 eg：在深度学习中，...
余弦距离、欧氏距离和杰卡德相似性度量的对比分析
weixin_34200628的博客
06-28 1484
1、余弦距离 余弦距离，也称为余弦相似度，是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量。 向量，是多维空间中有方向的线段，如果两个向量的方向一致，即夹角接近零，那么这两个向量就相近。而要确定两个向量方向是否一致，这就要用到余弦定理计算向量的夹角。 余弦定理描述了三角形中任何一个夹角和三个边的关系。给定三角形的三条边，可以使用余弦定理求出三角形各个角的角度。假定三角形的...
人脸识别之欧氏距离——余弦距离
猫猫与橙子的博客
11-14 1万+
最近训练了一个人脸识别模型，在测试集上的效果较之前的模型相比（lfw,cfp_fp,agedb_30），accucay都有所提升,但是在自己的测试集效果上却特别差。然后仔细的研读了相应的测试代码，先把训练工程中的代码贴出来： diff = np.subtract(embeddings1, embeddings2)#做减法 dist = np.sum(np.square(diff), 1)#计算...
相似度度量1：欧式距离和余弦相似度的联系与区别
samoyan的博客,记录技术成长~
12-02 1435
根据欧氏距离和余弦相似度各自的计算方式和衡量特征，分别适用于不同的数据分析模型：欧氏距离能够体现个体数值特征的绝对差异，所以更多的用于需要从维度的数值大小中体现差异的分析，如使用用户行为指标分析用户价值的相似度或差异；而余弦相似度更多的是从方向上区分差异，而对绝对的数值不敏感，更多的用于使用用户对内容评分来区分用户兴趣的相似度和差异，同时修正了用户间可能存在的度量标准不统一的问题（因为余弦相似度对
欧式距离、标准化欧式距离、马氏距离、余弦距离
热门推荐
一只飞鱼的博客
06-26 9万+
目录 欧氏距离 标准化欧氏距离 马氏距离 夹角余弦距离 汉明距离 曼哈顿(Manhattan)距离 1.欧式距离 欧式距离源自N维欧氏空间中两点x1,x2x1,x2x_1,x_2间的距离公式： d=∑i=1N(x1i−x2i)2‾‾‾‾‾‾‾‾‾‾√d=∑i=1N(x1i−x2i)2d = \sum_{i=1}^N \sqrt{(x_{1i}-x_{2i})^2} 2.标准化...
欧氏距离与余弦距离的关系
Lavi的专栏
03-22 1万+
前言 最近在做人脸识别，有的方法使用的是L2距离，有的是使用的cos相似度，并且看到有的论文说，欧式距离和余弦距离是等价的。到底是怎么等价的呢。这里我就来和小伙伴们一探究竟。 推倒 首先给出结论，归一化后的向量的余弦距离和欧氏距离是等价的。 公式敲起来很麻烦，这里我就不敲了，引用一位知乎答友的图。链接在这了欧氏距离和余弦相似度的区别是什么？ 上面的公式可以再推一步： euc=2(1−cos(A,...
余弦距离和欧式距离的关系
qq_41044525的博客
06-27 6868
一，余弦距离：取值范围为（-1,1）一般负数为误差导致的，可以当做0可以当做相似度的计二，欧式距离：得到的值不是在0-1之间：不适合用于相似度的计算三，二者距离比较从欧式距离cb之间jul最短，从余弦距离a c之间距离最短四,二者关系转化图中||x||=1代表二范式（二维中向量在直角坐标系中的长度）：长度为1 。现在关系为二范式为1二者关系。余弦相似度和欧式距离等价性的条件是二范式规划。例如图为x...
对比欧氏距离与余弦相似度
黄飞的博客专栏
11-07 2万+
欧式距离欧氏距离就是我们平常所说的距离，如果是平面上的两个点 A(x1,y1)A(x_1,y_1) 和 B(x2,y2)B(x_2,y_2) ，那么 A 与 B 的欧式距离就是 (x1−x2)2+(y1−y2)2‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾‾√\sqrt{(x_1-x_2)^2+(y_1-y_2)^2} ；如果是三维空间中的两个点 A(x1,y1,z1)A(x_1,y_1,z_1) 和
生成式人工智能在新加坡的发展现状和地位
最新发布
wukangjupingbb的博客
09-11 617
依据国际隐私专业人员协会(IAPP)的相关报告，2020年，上述两机构更新了该模型框架，发布了第二版，并推出了《组织实施和自我评估指南》，帮助组织评估其人工智能治理实践与型框架的匹配程度，还发布了《案例汇编》，展示了组织如何实施负责任的人工智能治理实践。2019年，金融管理局宣布与金融行业合作创建Veritas框架，为金融机构提供可验证的方法，将FEAT原则纳入其人工智能和数据分析驱动的解决方案中。新加坡在人工智能治理方面采取了部门性的方法，即通过各个行业的监管机构来管理人工智能的使用。
距离度量：欧氏距离与标准化欧氏距离解析
除了标准欧氏距离，还有其他多种距离度量方式。例如： - 曼哈顿距离（Manhattan Distance）：在每个维度上分别计算绝对差的总和。 - 切比雪夫距离（Chebyshev Distance）：取各个维度上绝对差的最大值。 - ...
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