技術標籤：python

餘弦相似度：

在我們計算相似度時，常常用到餘弦夾角來判斷兩個向量或者矩陣之間的相似度，Cosine（餘弦相似度）取值範圍[-1,1]，當兩個向量的方向重合時夾角餘弦取最大值1，當兩個向量的方向完全相反夾角餘弦取最小值-1，兩個方向正交時夾角餘弦取值為0。

x 1 x_1 x1​ 和 x 2 x_2 x2​ 分別是輸入的兩個向量。

基於python的程式碼：

import numpy as np

x_1  = np.array([1,3,6,2,3,6])
x_2  = np.array([3,4,1,5,7,8])

def cos_sim(a, b):
    a_norm =
 
 np.linalg.norm(a)
    b_norm = np.linalg.norm(b)
    cos = np.dot(a,b)/(a_norm * b_norm)
    return cos
print(cos_sim(x_1,x_2))

基於sklearn的python程式碼：

import numpy as np
from sklearn.metrics.pairwise import cosine_similarity

x_1  = np.array([1,3,6,2,3,6]).reshape(1,6)
x_2  = np.array([3,4,1,5,7,8]).
 
reshape(1,6)

con_sim = cosine_similarity(x_1,x_2)   #輸入必須是一個二維的，如果是一個矩陣的話，輸入的是矩陣的每行的 
print(con_sim)

可以看出兩者計算出的相似度是一樣的。