向量欧氏距离 &点积 & 余弦相似度 & 余弦距离

向量 A = (x1, y1),向量 B = (x2, y2)

向量欧式距离:在这里插入图片描述

向量点积:在这里插入图片描述

向量的模:在这里插入图片描述

向量归一化:向量除以模长,也就是 A / |A|

向量余弦相似度:也相当于向量归一化后的点积 A*B / |A| * |B| == A / |A| * B / |B|
在这里插入图片描述
向量余弦距离:用1减去余弦相似度 1 - cos(A, B)。余弦距离的取值范围为[0,2]

归一化后的向量的余弦距离和欧氏距离是等价的(排序的角度),参考:
https://blog.csdn.net/liuweiyuxiang/article/details/88736615

  • 2
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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