在机器学习中都可以用来计算相似度。
欧氏距离:坐标系中的两个点,用来计算两点之间的绝对距离。
余弦相似度:坐标系中的两个向量,计算的是向量的夹角。
当时只说出了大概的概念意义,没有进行实例补充。
网上找了个例子简单易懂
例子:
某Tshirt,从100块降到了50块 某西装从1000块降到了500块
A(100,50) B(1000,500)
余弦相似度二者变化趋势相同,相似度高
欧式距离两点的距离差距很大,相似度低
欧氏距离和余弦距离的区别 https://www.zhihu.com/question/19640394
总结:二者进行归一化操作之后区别不大
又引申出曼哈顿距离和协方差距离(马氏距离)。。。
机器学习:余弦相似度和欧式距离的区别(面试问到了)
最新推荐文章于 2024-08-07 14:48:03 发布