zoukankan      html  css  js  c++  java
  • 理解余弦距离与欧式距离

    什么是余弦距离

    余弦距离 = 1 - 余弦相似度

    余弦相似度计算方法如下

     余弦距离的值域 [0, 2]

    一般深度学习用余弦相似度作为预测值

    什么是欧式距离

    欧氏距离与余弦距离的选择

    总体来说

    1. 欧氏距离体现数值上的绝对差异,而余弦距离体现方向上的相对差异
      1. 关注绝对误差的时候,选欧式距离
        1. 例如分析用户活跃度,以登陆次数(单位:次)和平均观看时长(单:分钟)作为特征时,余弦距离会认为(1,10)、(10,100)两个用户距离很近;但显然这两个用户活跃度是有着极大差异的,此时我们更关注数值绝对差异,应当使用欧氏距离
    2. 余弦相似度在高维的情况下依然保持“相同时为1,正交时为0,相反时为-1”的性质
    3. 欧式距离的数值受维度的影响,范围不固定,并且含义也比较模糊
  • 相关阅读:
    Redis内存回收策略
    7、IMS
    6、端局、汇接局、关口局、长途局
    5、IMS网元
    4、IMS
    3、NAT
    2、SIP
    1、B2BUA
    九、数据库——sql server 2008导入excel
    六十三、android pad
  • 原文地址:https://www.cnblogs.com/syw-home/p/12346078.html
Copyright © 2011-2022 走看看