歐氏距離和余弦相似度的區(qū)別是什么？兩者都用來評估個(gè)體之間的差異。歐氏距離測量受不同單位標(biāo)度（如秒和毫秒）的影響，因此需要首先對其進(jìn)行標(biāo)準(zhǔn)化?？臻g向量余弦角的相似度不受索引尺度的影響，余弦值區(qū)間為[-1

歐氏距離和余弦相似度的區(qū)別是什么？

兩者都用來評估個(gè)體之間的差異。歐氏距離測量受不同單位標(biāo)度（如秒和毫秒）的影響，因此需要首先對其進(jìn)行標(biāo)準(zhǔn)化?？臻g向量余弦角的相似度不受索引尺度的影響，余弦值區(qū)間為[-1,1]。

歐幾里德距離是我們通常所說的兩點(diǎn)線性距離，即n維空間中兩點(diǎn)之間的實(shí)際距離。歐氏距離越小，相似度越大。

余弦相似性通過向量空間中兩個(gè)向量夾角的余弦值來度量兩個(gè)個(gè)體之間的差異。應(yīng)注意兩個(gè)向量在方向上的差異，而不是距離或長度上的差異。兩個(gè)向量越相似，角度越小，余弦值越大。

從下面的三維坐標(biāo)系圖可以看出，歐幾里德距離dis（a，b）測量空間中每個(gè)點(diǎn)的絕對距離，它與每個(gè)點(diǎn)的絕對坐標(biāo)有關(guān)，反映了距離的差異。余弦距離（COSθ）度量的是空間矢量的角度，它反映的是方向（維數(shù)）的差異，而不是距離或值。

例如，a股（400800）從400漲到800，B股（4，8）從4漲到8，B股（4，8），兩者都漲了50%。如果要對股票的漲幅進(jìn)行度量，可以通過余弦相似度度量發(fā)現(xiàn)a/B股票具有很高的相似度（相同）。如果要度量股票的價(jià)值，就需要用歐幾里德距離來度量。我們發(fā)現(xiàn)a股的價(jià)值顯著高于B股，a股與B股的相似度較低。

如何用python計(jì)算文本的相似度？

第1步：將每個(gè)網(wǎng)頁文本分成單詞，形成單詞包。第三步：統(tǒng)計(jì)網(wǎng)頁（文檔）總數(shù)M。第三步：統(tǒng)計(jì)第一個(gè)網(wǎng)頁n中的字?jǐn)?shù)，計(jì)算第一個(gè)網(wǎng)頁的第一個(gè)字在網(wǎng)頁n中出現(xiàn)的次數(shù)，然后計(jì)算出該字在所有文檔M中出現(xiàn)的次數(shù)，則該字的TF IDF為：n/n*1/（M/M）（還有其他規(guī)范化公式，這里是最基本、最直觀的公式）。第四步：重復(fù)第三步計(jì)算網(wǎng)頁中所有單詞的TF-IDF。第五步：重復(fù)第四步計(jì)算所有網(wǎng)頁中每個(gè)單詞的TF-IDF值。三。用戶查詢處理的第一步：用戶查詢的分詞。第二步是根據(jù)web數(shù)據(jù)庫（文檔）的數(shù)據(jù)計(jì)算用戶查詢中每個(gè)詞的TF-IDF值。4余弦相似度用于計(jì)算用戶查詢與每個(gè)網(wǎng)頁之間的夾角。角度越小，越相似。