概述:在机器学习领域中,通常将特征表示为向量的形式,所以在分析两个特征向量之间的相似性时,常用余弦相似度表示。例如将两篇文章向量化,余弦距离可以避免因为文章的长度不同而导致距离偏大,余弦距离只考虑两篇文章生成的向量的夹角。
余弦相似度的取值范围是[-1,1],相同两个向量的之间的相似度为1。
余弦距离的取值范围是[0,2]。
余弦相似度的定义公式为: $\cos (A, B)=\frac{A \cdot B}{|A|{2}|B|{2}} $
归一化后::∥A∥2=1,∥B∥2=1,∥A∥2∥B∥2=1
余弦距离:
$\operatorname{dist}(A, B)=1-\cos (A, B)=\frac{|A|{2}|B|{2}-A \cdot B}{|A|{2}|B|{2}}
欧式距离:∣A−B∣2=∣A∣∗22+∣B∣∗22−2A⋅B=2−2A⋅B=2(1−A⋅B)=>∣A−B∣=2dist(A,B)
由公式可以看出归一化后,欧式距离与余弦距离存在单调性关系。此时两种距离的值域都为[0,2]。
欧式距离与余弦距离的对比:
1.欧式距离的数值受到维度的影响,余弦相似度在高维的情况下也依然保持低维完全相同时相似度为1等性质。
2.欧式距离体现的是距离上的绝对差异,余弦距离体现的是方向上的相对差异。
不同情况不同选择:
1.两个人分别取了蓝球(1,0)与红球(0,1),这两个向量的欧式距离较小,可是事实是这两个球是不同的,而余弦距离为2表示的是完全不同的意思。所以在这种情况下选择余弦距离更具合理性。
2.两个人对APP的使用次数与使用时长分别表示为(1,10),(10,100),可知余弦相似度较小,说明这两个人的行为时相同的,可是,事实是不同的,两个人的活跃度有着极大的差异,第二个人的活跃度更高。
余弦距离满足正定性和对称性,但是不满足三角不等式,因此余弦距离不是一个严格定义的距离。
距离的定义:
在一个集合中,如果每一对元素均可唯一确定一个实数,使得三条距离公理(正定性,对称性,三角不等式)成立,则该实数可以称为这对元素之间的距离。
证明:
1.正定性
余弦距离公式:dist(A,B)=1−cosθ,因为−1≤cosθ≤1,所以dist(A,B)≥0满足正定性。
2.对称性:
dist(A,B)=1−cos(A,B)=∥A∥2∥B∥2∥A∥2∥B∥2−A⋅B=∥B∥2∥A∥2∥B∥2∥A∥2−B⋅A=dist(B,A)满足对称性。
3.三角不等式:
给定A=(1,0),B=(1,1),C=(0,1),则有dist(A,B)=1−22,dist(B,C)=1−22,dist(A,C)=1,因此有dist(A,B)+dist(B,C)=2−2<1=dist(A,C),所以得出余弦距离不符合三角不等式。