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：向量点积：向量的模：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|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，参考：
·
向量 A = (x1, y1)，向量 B = (x2, y2)
向量欧式距离：
向量点积：
向量的模：
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|
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
有“AI”的1024 = 2048，欢迎大家加入2048 AI社区
更多推荐
3
0- 0
已为社区贡献3条内容
所有评论(0)