我有两个数组： array1 = numpy.array([ 7.26741212e-01, -9.80825232e-17]) [-2.16887107e-01, 6.84509305e-17],
[-2.16887107e-01, 6.84509305e-17]) 如何在列表中获得array2中每一行到array1的余弦距离
浏览 38提问于2020-07-05得票数 0
回答已采纳
2回答
我有一个包含5000项(行)和2048个特性(列)的dataframe。
我的数据形状是(5000,2048)，当我用滑雪板中的成对距离计算余弦矩阵时，得到了(5000,5000)矩阵。但是现在，如果我有一个新的(1,2048)的向量形状，如何利用我已经计算过的(5000,5000)余弦矩阵，找到这个项目与我所
浏览 7提问于2019-11-26得票数 0
我有两个张量(OQ，OA)，在我的模型的最后一层的末尾，形状如下。OQ形状：(1,600)这些张量是'tensorflow.python.framework.ops.Tensor‘型的。如何计算Tensorflow 2.0中这些张量的余弦相似性和欧氏距离？，
浏览 5提问于2020-03-06得票数 1
回答已采纳
1回答
我昨天问了这个问题，得到了一个准确的答案。但是，我尝试使用相同的函数来获得下面xx和yy之间的余弦距离作为列表，即xx中的一行到yy中的一行的逐行余弦距离。它们是不同形状的数组。解决方案是什么？我肯定在前面的例子中遗漏了一些东西：
xx = np.array([[ 8.071
浏览 0提问于2020-07-06得票数 0
1回答
有效计算余弦相似度
、、、
我有一个大约100 K的字符串库，当我得到一个新的字符串时，我想将它与最相似的字符串匹配。
我的想法是使用tf-以色列国防军(因为关键字是非常重要的)，然后匹配使用余弦距离。是否有一种有效的方法来使用熊猫/坐骨木-学习/参与等等？我当时想的也许是一棵KD树，但它需要大量的记忆，因为tf-以色列国防军向量的维数是2000。
浏览 1提问于2022-04-06得票数 0
1回答
如何在Perl中计算两个文档的余弦相似距离？几个问题: 1) CPAN中是否已经有计算余弦相似距离的模块？2)当我说文档时，我真正的意思是一个“文档”是一个句子，而另一个“文档”只是一个关键字列表。为了公平起见，在计算余弦相似距离之前，我是否应该对每个文档中
浏览 0提问于2010-12-08得票数 0
我有两个排名为2的Tensor，在第二个维度上大小相等，但在第一个维度上不相等。例如，形状[a, n]的张量A和形状[b, n]的张量B。它们可以看作是包含长度为n的向量的两个数组。我有一个函数f，它接受两个输入，每一个都是形状[n]的张量，并返回一个标量。我想将这个函数应用于A和B中的每一对
浏览 5提问于2017-06-23得票数 3
回答已采纳
最近，我一直在寻找最接近嵌入的词。最值得注意的两种方法是余弦距离或欧几里德距离。我试图找出如何有效地计算形状[batch_size x embedding_size]张量的余弦距离
一种方法是解压张量并计算余弦距离。是否有一种更有效的方式来做到这一点？我知道word2vec做
浏览 1提问于2016-06-01得票数 11
回答已采纳
2回答
文档函数的相似性
、、、、
我试图为文档的余弦距离和欧几里德距离创建矩阵。不太确定我会怎么处理这个问题。如有任何建议，将不胜感激。谢谢。该函数以termdoc矩阵作为输入，并计算变量"euclidean_distance_matrix“和"cosine_distance_matrix"，这两个矩阵的元素(i，j)存储了tweet i-th和input之间的欧氏距离和余弦距离。应该将距离</
浏览 5提问于2020-05-21得票数 1
2回答
我正在尝试理解python如何计算most-similar术语。我知道，从gensim的word2vec中，most_similar方法用余弦距离来计算相似度。
浏览 1提问于2016-10-31得票数 4
回答已采纳
我在Torch中有当前的编程问题。{aaaTensor, bbbTensor}
..。如果我使用nn.CosineDistance()模块()，它将计算</e
浏览 1提问于2016-08-09得票数 2
讨论如何计算两个向量的相似性。首先讨论了欧氏距离的计算，然后讨论了余弦相似度。它说，当语料库的大小不同时，余弦相似性更有意义。这实际上是与给在这里相同的解释。但是，我不明白为什么我们不能根据语料库的大小来缩放向量。例如，在链接问题的示例中：
用户2购买
浏览 0提问于2022-09-13得票数 12
回答已采纳
3回答
训练数据集大约有10000个点，每个点也是一个1024d的向量。目标是找到每个测试点和所有采样点之间的L2距离，以找到最接近的样本(不使用任何python距离函数)。由于测试数组和训练数组的大小不同，我尝试使用广播： dist = np.sqrt(np.sum( (test[:,np.newaxis] - train)**2, axis=2))
浏览 3提问于2015-09-30得票数 8
我想使用DBSCAN和度量来对具有接近1的余弦相似性的点进行聚类(即其向量(来自“原点”)是平行的或几乎平行的)。这一问题：但
sklearn.metrics.pairwise.cosine_similarity在-1和1之间
浏览 2提问于2019-02-15得票数 1
回答已采纳
4回答
在python中，是否有一种矢量化的有效方法来计算稀疏数组u到稀疏矩阵v的余弦距离，从而生成一个与cosine(u,v[0]), cosine(u,v[1]), ..., cosine(u, v[n])对应的元素数组[1, 2, ..., n]。
浏览 5提问于2016-04-28得票数 5
回答已采纳
Word2vec是一个开源工具，用于计算谷歌提供的单词距离。它可以通过输入一个单词并根据相似度输出排序的单词列表来使用。例如。0.571507 catalonia 0.534176
然而，我需要做的是通过给出两个单词来计算相似距离如果我给‘法国’和‘西班牙’，我怎么能得到0.678515而不读完整
浏览 2提问于2014-02-24得票数 46
回答已采纳
1回答
不同库的余弦相似输出不同
、、、
我试图找出两个n维向量之间的余弦距离。我通过使用枕木和滑雪板来做到这一点。不知为何，这两个库的输出是不同的。我不明白为什么。print metrics.pairwise_distances(np.reshape(a,(1,4)),np.reshape(b,(1,4)),metric = 'cosine')[0][0]
此代码的输出如下
浏览 2提问于2016-05-03得票数 1
回答已采纳
1回答
Jaccard距离的选择
、、、
为了计算两组单词之间的距离，我使用jaccard距离：
JaccardDistance(A, B) = 1 - JaccardIndex(A, B) = 1 - (|A ∩ B| / |A ∪ B|)现在我想知道，还有其他类似的距离度量，返回0，1之间的值吗？0表示这两个集合包含完全相同的元素，而一个完全不同的元素。这两组可能有不同的大小，单词的顺序
浏览 0提问于2021-05-01得票数 0
回答已采纳
据我所知，伟大的text2vec软件包的dist2 RWMD特性将矩阵之间的距离计算为余弦距离。这不是意味着1-(余弦相似度)吗？如果余弦相似度在0到1之间运行，那么不是也应该得到0到1之间的值吗？我不确定在这种情况下如何解释负距离，以及它们与正距离有何不同。谢谢!
浏览 18提问于2019-10-25得票数 0
云服务器
ICP备案
云直播
对象存储
腾讯会议
腾讯云开发者
