我有兩組三維單位向量，我想衡量它們的相似程度。我目前的方法是手動(dòng)計(jì)算它們的差異的歐氏范數(shù)。一個(gè)例子（不考慮單位向量）看起來像import numpy as npN = 4000a = np.random.rand(3,N)b = np.random.rand(3,N)dist = np.sum((a-b)**2,axis=0)dist = np.sum(dist)/len(dist)有沒有更好的方法來做到這一點(diǎn)？即我沒有想到的 numpy 函數(shù)或度量？
3 回答
尚方寶劍之說
TA貢獻(xiàn)1788條經(jīng)驗(yàn) 獲得超4個(gè)贊
要計(jì)算 numpy 中的歐幾里德距離，您可以使用
numpy.linalg.norm(a-b)
還有其他類型的距離，測量其他類型的相似性。SciPy 有很多在文檔中實(shí)現(xiàn)和描述：https ://docs.scipy.org/doc/scipy/reference/spatial.distance.html
搖曳的薔薇
TA貢獻(xiàn)1793條經(jīng)驗(yàn) 獲得超6個(gè)贊
正如問題評論中所討論的，這應(yīng)該更適合您要執(zhí)行的操作：
from scipy import spatial
import numpy as np
N = 10
a = np.random.rand(3, N)
b = np.random.rand(3, N)
mean_a = np.mean(a, axis=1)
mean_b = np.mean(b, axis=1)
similarity = spatial.distance.cosine(mean_a, mean_b)
越接近 1 的值越相似，越接近 0 的值越不相似。
蕪湖不蕪
TA貢獻(xiàn)1796條經(jīng)驗(yàn) 獲得超7個(gè)贊
您可以在 scipy 包中使用距離。
from scipy.spatial import distance
distance.euclidean(a, b)
添加回答
舉報(bào)
0/150
提交
取消