计算python矩阵列的余弦相似度答案

【问题标题】：Calculating cosine similarity of columns of a python matrix计算python矩阵列的余弦相似度
【发布时间】：2016-10-22 02:12:44
【问题描述】：

我有一个 numpy 矩阵，如下所示 A

array([[1, 2, 3],
       [1, 2, 2]])

我想找到这个矩阵的余弦相似度矩阵，其中余弦相似度在列之间。

现在两个向量的余弦相似度只是两个由每个向量的 L2 范数积归一化的点积

但我不想在循环中对每一列进行迭代并执行此操作。

所以我首先尝试了这个：

from scipy.spatial import distance 
cos=distance.cdist(a.T,a.T,'cosine')

这里我采用转置，否则它会做行的余弦（观察）。我想要列。

但是我不确定这是正确的答案。这个函数的文档说它给出了 1- cosine_similarity。那我应该怎么做？

cos-1-distance.cdist(a.T,a.T,'cosine')

请指教。

二）

如果我尝试这样做：

cos=(np.dot(a.T,a))/(np.linalg.norm(a, axis=0, keepdims=True))*(np.linalg.norm(a, axis=0, keepdims=True))

在获得右列的正确 L2 范数时不会出现问题。知道我们如何在没有函数的情况下实现它吗？

【问题讨论】：

标签： python numpy matrix

【解决方案1】：

试试这个：

a = np.array([[1, 2, 3], [1, 2, 2]])
n = np.linalg.norm(a, axis=0).reshape(1, a.shape[1])
a.T.dot(a) / n.T.dot(n)

array([[ 1.        ,  1.        ,  0.98058068],
       [ 1.        ,  1.        ,  0.98058068],
       [ 0.98058068,  0.98058068,  1.        ]])

n 的这个分配也可以。

np.linalg.norm(a, axis=0)[None, :]

【讨论】：