有没有办法计算一个稀疏向量和矩阵之间的相似度？

Question

如何计算一个稀疏向量和矩阵（即稀疏向量数组）之间的（例如，余弦）相似度？
这可以使用 scikit-learn、scipy、numpy 等吗？如果可能的话，相似性度量应该很容易改变。

Answer 1

如果您有兴趣计算余弦相似度，可以使用 sklearn 中的 cosine-similarity 度量功能来完成，如果输入是矩阵形式，则 returns 距离矩阵。

插图：

import numpy as np
from sklearn.metrics.pairwise import pairwise_distances

mat_1 = np.matrix([[1,2,3],[3,4,5]])
vec_1 = (2, 3, 5)
# Make sure the dimensions of the vector and matrix are equal
>>>print pairwise_distances(mat_1, vec_1, metric = 'cosine')
[[ 0.00282354]
[ 0.01351234]]

注意：如果您打算更改距离度量，可以通过将适当的名称添加到度量参数来实现。但是，如果您的输入包含稀疏矩阵，您只能使用度量 - ['cityblock', 'cosine', 'euclidean', 'l1', 'l2', 'manhattan'] 因为不支持其他度量来处理稀疏度量输入。

您可以进一步参考的文档：Pairwise metrics, Affinities and Kernels

有没有办法计算一个稀疏向量和矩阵之间的相似度？

Is there a way to calculate similarity between one sparse vector and matrix?

python

numpy

scipy

sparse-matrix

scikit-learn