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 2022-01-01 22:56:47 发布
最新推荐文章于 2022-01-01 22:56:47 发布
阅读量3k 收藏 10
点赞数 2
分类专栏： 机器学习 文章标签： 机器学习计算相似度

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
在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述
又引申出曼哈顿距离和协方差距离(马氏距离)。。。

weixin_43364836
关注
  • 2
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习-余弦相似度计算图片相似性
04-07
NULL 博文链接：https://deepfuture.iteye.com/blog/1583934
Java 推荐系统 字符串 余弦相似度 算法
07-07
Java 实现推荐系统 两个字符串 余弦相似度 算法。
9个数据科学中常见距离度量总结以及优缺点概述
deephub
02-02 7282
许多算法，无论是监督或非监督，都使用距离度量。这些度量，如欧几里得距离或余弦相似度，经常可以在k-NN、UMAP、HDBSCAN等算法中找到。 理解距离测量域比你可能意识到的更重要。以k-NN为例，这是一种经常用于监督学习的技术。作为默认值，它通常使用欧几里得距离。它本身就是一个很大的距离。 但是，如果您的数据是高维的呢?那么欧几里得距离还有效吗?或者，如果您的数据包含地理空间信息呢?也许haversine 距离是更好的选择! 知道何时使用哪种距离量度可以帮助您从分类不正确的模型转变为准确的模型。 在本文中
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...
余弦距离，欧式距离，马氏距离之间的关系
ZJE
08-07 1万+
欧式距离： 马氏距离： S为协方差矩阵，当样本集合的协方差矩阵是单位矩阵时，即样本的各个维度上的方差均为１．马氏距离就等于欧式距离相等。 余弦距离： 一，余弦距离和欧式距离： 两个向量间的余弦值可以通过使用欧几里得点积公式求出： 从三维图可以看出： 虚线为欧式距离：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。 夹角为余弦距离：衡量的是空间向量...
机器学习之余弦距离以及欧式距离
zhuguiqin1的专栏
10-19 1444
一、余弦距离 定义：  similarity =cos⁡(θ)=A⋅B∥A∥∥B∥=∑i=1nAiBi∑i=1nAi2∑i=1nBi2, \text { similarity }=\cos (\theta)=\frac{\mathbf{A} \cdot \mathbf{B}}{\|\mathbf{A}\|\|\mathbf{B}\|}=\frac{\sum_{i=1}^{n} A_{i} B_{i}}{\sqrt{\sum_{i=1}^{n} A_{i}^{2}} \sqrt{\sum_
【论文】各种距离总结
断桥残雪D的博客
09-17 1159
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...
欧氏距离和余弦相似度的区别
Xu_Wave
04-22 748
面试题
欧氏距离和余弦相似度的区别是什么？
爱吃鱼的猫
07-21 2721
原文：https://www.cnblogs.com/Jack-Lee/p/3654209.html 概述 　　两者都是评定个体间差异的大小的。欧几里得距离度量会受指标不同单位刻度的影响，所以一般需要先进行标准化，同时距离越大，个体间差异越大； 　　空间向量余弦夹角的相似度度量不会受指标刻度的影响，余弦值落于区间[-1,1]，值越大，差异越小。 2）计算公式 　　欧氏距离（也叫欧几...
机器学习 推荐系统 相似度计算
03-13
西雅图酒店数据集，基于用户选择的酒店，为其推荐相似度高的Top10个其他酒店。
机器学习、NLP面试中常考到的知识点和代码实现
05-15
此项目是机器学习、NLP面试中常考到的知识点和代码实现，也是作为一个算法工程师必会的理论基础知识。 既然是以面试为主要目的，亦不可以篇概全，请谅解，有问题可提出。 此项目以各个模块为切入点，让大家有一个...
面试笔试整理3：深度学习机器学习面试问题准备（必会） - CSDN博客1
08-03
引入了ReLU和dropout，引入数据增强、池化相互之间有覆盖，三个卷积一个最大池化+三个全连接层采用1*1和3*3的卷积核以及2*2的最大池化使得层数变得更
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=
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
距离和相似度度量[转]
weixin_34080951的博客
08-20 1274
在数据分析和数据挖掘的过程中，我们经常需要知道个体间差异的大小，进而评价个体的相似性和类别。最常见的是数据分析中的相关分析，数据挖掘中的分类和聚类算法，如K最近邻（KNN）和K均值（K-Means）。当然衡量个体差异的方法有很多，最近查阅了相关的资料，这里整理罗列下。 　　为了方便下面的解释和举例，先设定我们要比较X个体和Y个体间的差异，它们都包含了N个维的特征，即X=（x1, x2, x3, ...
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 1404
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
欧氏距离和余弦相似度
Linvo's blog
07-15 3万+
两者相同的地方，就是在机器学习中都可以用来计算相似度，但是两者的含义有很大差别，以我的理解就是： 前者是看成坐标系中两个点，来计算两点之间的距离； 后者是看成坐标系中两个向量，来计算两向量之间的夹角。 前者因为是点，所以一般指位置上的差别，即距离； 后者因为是向量，所以一般指方向上的差别，即所成夹角。 如下图所示…
Python课程设计 课设 手写数字识别卷积神经网络源码+文档说明.zip
最新发布
04-24
高分设计源码，详情请查看资源内容中使用说明 高分设计源码，详情请查看资源内容中使用说明高分设计源码，详情请查看资源内容中使用说明高分设计源码，详情请查看资源内容中使用说明高分设计源码，详情请查看资源内容中使用说明高分设计源码，详情请查看资源内容中使用说明高分设计源码，详情请查看资源内容中使用说明高分设计源码，详情请查看资源内容中使用说明高分设计源码，详情请查看资源内容中使用说明高分设计源码，详情请查看资源内容中使用说明高分设计源码，详情请查看资源内容中使用说明高分设计源码，详情请查看资源内容中使用说明高分设计源码，详情请查看资源内容中使用说明高分设计源码，详情请查看资源内容中使用说明高分设计源码，详情请查看资源内容中使用说明高分设计源码，详情请查看资源内容中使用说明高分设计源码，详情请查看资源内容中使用说明高分设计源码，详情请查看资源内容中使用说明高分设计源码，详情请查看资源内容中使用说明高分设计源码，详情请查看资源内容中使用说明高分设计源码，详情请查看资源内容中使用说明高分设计源码，详情请查看资源内容中使用说明
机器学习余弦相似度有那些
03-30
常见的余弦相似度包括： 1. 文本相似度：用于比较两个文本的相似程度，常用于文本分类、信息检索等领域。 2. 图像相似度：用于比较两幅图像的相似程度，常用于图像分类、图像检索等领域。 3. 推荐系统：用于计算...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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