平方再开根号再依次除以开根号的值， 然后点乘另外一组数据，查看两个的相似度
数据归一化
TF-IDF
TF：词频 出现的次数
IDF： log#文档/ 1+ 包含单词的文档
例： 64 全部
3 西博思色子
log 64 /1+3= log16 = 4
最近领域搜索
文件：
语料库：
1、语料库里面搜索我要匹配的新文件
2、计算S=similarity(文件，新文件)
3、if s>best_s新文件就是我们要的文件
else重复step 1、2
搜索匹配高的，（向量后其实相似的就在附近）
K最邻近
13，【12，11，10】#皇后只有一个 ，后宫3千
聚类 无监督学习 群聚标签
K 均值 （越小越好）
集群标签 ，刚开始 是随机的， 求集群标签就是求K均值的过程 （向量后其实相似的就在附近）
1、把观测值分配给最近的中心点（随机值）；
2、把群集中心改成其他的观测值；
3、重复第一步到第二步知道收敛；
求K 均值 过程，蓝色线最短
集群标签
情感分析、图片搜索、分析病情
网友评论