1.余弦相似度
在平面系 a向量與b向量的夾角越小，說明相似度越大，余弦值越接近1，就表明夾角越接近0度，也就是兩個向量越相似，這就叫"余弦相似性"。
在三維也是乙個道理（x,y,z）確定的一點與點（a,b,c）一點的夾角
高中學過向量a與向量b的乘積定義為：
所以兩者的夾角為 cos=a*b/|a|*|b|
分子代表：集合n個(x*y)之和
分母：所有集合n個x^2之和開方+n個y^2之和開方 代表向量a集合n維的模
對於多維的也是一樣的
集合a：(1，1，2，1，1，1，0，0，0)
集合b：(1，1，1，0，1，1，1，1，1)
2.歐氏距離：
就是計算空間上兩點間的距離。下圖很好體現了歐氏距離和余弦相似度的差異。
相似度計算方法
pearson 相關係數是用協方差除以兩個變數的標準差得到的，雖然協方差能反映兩個隨機變數的相關程度 協方差大於0的時候表示兩者正相關，小於0的時候表示兩者負相關 但其數值上受量綱的影響很大，不能簡單地從協方差的數值大小給出變數相關程度的判斷。為了消除這種量綱的影響，於是就有了相關係數的概念。由上圖...
相似度計算方法學習
var e x e x 2x e x 2 e x 最後推出方差就是平方的均值減去 均值的平方 協方差就是看兩個變數是否正負相關，也就是數值上變化是否同或反向 相關係數直接衡量的就是線性相關關係，取值就在 1之間，體現的含義是x和y多大程度在一條斜率存在且不為0的直線上 余弦距離，也稱為余弦相似度，是...
數學 相似度計算方法 距離
在資料分析和資料探勘以及搜尋引擎中，我們經常需要知道個體間差異的大小，進而評價個體的相似性和類別。常見的比如資料分析中比如相關分析，資料探勘中的分類聚類 k means等 演算法，搜尋引擎進行物品推薦時。相似度就是比較兩個事物的相似性。一般通過計算事物的特徵之間的距離，如果距離小，那麼相似度大 如果...