有没有办法计算一个稀疏向量和矩阵之间的相似度？答案

【问题标题】：Is there a way to calculate similarity between one sparse vector and matrix?有没有办法计算一个稀疏向量和矩阵之间的相似度？
【发布时间】：2016-09-29 19:23:12
【问题描述】：

如何计算一个稀疏向量和一个矩阵（即稀疏向量数组）之间的（例如余弦）相似度？
这可以使用 scikit-learn、scipy、numpy 等吗？如果可能，相似度指标应该很容易改变。

【问题讨论】：

标签： python numpy scipy scikit-learn sparse-matrix

【解决方案1】：

如果您对计算余弦相似度感兴趣，可以使用 sklearn 中的cosine-similarity 度量功能来完成，如果输入是矩阵形式，它会返回距离矩阵。

插图：

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

mat_1 = np.matrix([[1,2,3],[3,4,5]])
vec_1 = (2, 3, 5)
# Make sure the dimensions of the vector and matrix are equal
>>>print pairwise_distances(mat_1, vec_1, metric = 'cosine')
[[ 0.00282354]
[ 0.01351234]]

注意：如果您打算更改距离度量，您可以通过将适当的名称放置在度量参数中来实现。但是，如果您的输入包含稀疏矩阵，则您只能使用指标 - ['cityblock', 'cosine', 'euclidean', 'l1', 'l2', 'manhattan']，因为不支持其他指标来处理稀疏指标输入。

您可以进一步参考的文档：Pairwise metrics, Affinities and Kernels

【讨论】：