美文网首页百面机器学习
模型评估——余弦距离的应用

模型评估——余弦距离的应用

作者: 乔大叶_803e | 来源:发表于2019-12-24 16:31 被阅读0次

    余弦相似度和余弦距离: 余弦相似度取值范围为[-1,1]

    余弦距离:1-余弦相似度,取值为 [0,2]

    余弦距离和欧式距离:

    • 余弦距离关心的是向量的角度关系,并不关心他们的数量大小。在文本、图像、视频领域,特征维度往往很高,余弦相似度在高维情况下依然能保持“相同为1,正交为0,相反为-1”。而欧式距离受维度影响,范围不固定,含义也比较模糊。

    • 在一些场景,欧式距离和余弦距离有着单调的关系,如果选择距离最小(相似度最大)的近邻,则使用欧式距离和余弦距离的结果是相同的。

    • 总体来说,欧式距离体现数值上的绝对差异,余弦距离体现方向上的相对差异。

    余弦距离并不是严格意义上的距离:余弦距离满足对称性、正定性、但是不满足三角不等性。

    相关文章

      网友评论

        本文标题:模型评估——余弦距离的应用

        本文链接:https://www.haomeiwen.com/subject/oodfoctx.html