两个数字表之间的余弦相似性

Question

我需要计算两个列表之间的余弦相似性，例如列表1是datasetI，列表2是dataSetII。我不能使用任何东西，比如numpy或统计模块。我必须使用公共模块（数学等）（并且尽可能少地使用模块，以减少所花费的时间）。

假设dataSetI是[3, 45, 7, 2]，而dataSetII是[2, 54, 13, 15]。列表的长度总是相等。

当然，余弦相似度介于0和1之间，因此，余弦相似度将用format(round(cosine, 3))四舍五入到小数点后三位或四位。

非常感谢你的帮助。

Answer 1

另一个版本仅基于numpy

from numpy import dot
from numpy.linalg import norm

cos_sim = dot(a, b)/(norm(a)*norm(b))

Answer 2

可以使用cosine_similarity函数形式sklearn.metrics.pairwisedocs

In [23]: from sklearn.metrics.pairwise import cosine_similarity

In [24]: cosine_similarity([[1, 0, -1]], [[-1,-1, 0]])
Out[24]: array([[-0.5]])

Answer 3

你应该试试SciPy。它有许多有用的科学程序，例如“数值计算积分、求解微分方程、优化和稀疏矩阵的程序”，它使用超高速优化的NumPy进行数字运算。安装请参见here。

请注意，space.distance.cosine计算的是距离，而不是相似度。因此，必须从1中减去该值，才能获得相似性。

from scipy import spatial

dataSetI = [3, 45, 7, 2]
dataSetII = [2, 54, 13, 15]
result = 1 - spatial.distance.cosine(dataSetI, dataSetII)