python 余弦距离_numpy :: 计算特征之间的余弦距离

余弦距离在计算相似度的应用中经常使用，比如：

文本相似度检索

人脸识别检索

相似图片检索

原理简述

下面是

但是，余弦相似度和常用的欧式距离的有所区别。

余弦相似度的取值范围在-1到1之间。完全相同时数值为1，相反反向时为-1，正交或不相关是为0。(如下图，来源)

欧式距离一般为正值，归一化之后在0~1之间。距离越小，越相似。

欧式距离用于相似度检索更符合直觉。因此在使用时，需要将余弦相似度转化成类似欧氏距离的余弦距离。

维基页面中给出的

由于在计算图片或者文本相似度时，提取的特征没有负值，余弦相似度的取值为0~1，因此采用更简便的方法，直接定义为：

余弦距离 = 1- 余弦相似度

代码分析

根据输入数据的不同，分为两种模式处理。

输入数据为一维向量，计算单张图片或文本之间的相似度 (单张模式)

输入数据为二维向量(矩阵)，计算多张图片或文本之间的相似度 (批量模式)

1 importnumpy as np

2 defcosine_distance(a, b):

3 if a.shape !=b.shape:

4 raise RuntimeError("array {} shape not match {}".format(a.shape, b.shape))

5 if a.ndim==1: 6 a_norm =np.linalg.norm(a) 7 b_norm =np.linalg.norm(b) 8 elif a.ndim==2: 9 a_norm = np.linalg.norm(a, axis=1, keepdims=True) 10 b_norm = np.linalg.norm(b, axis=1, keepdims=True) 11 else: 12 raise RuntimeError("array dimensions {} not right".format(a.ndim)) 13 similiarity = np.dot(a, b.T)/(a_norm *b_norm) 14 dist = 1. -similiarity 15 return dist

6~7 行 ，

9~10行 ，设置参数 axis=1 。对于归一化二维向量时，将数据按行向量处理，相当于单独对每张图片特征进行归一化处理。

13行，

一维向量求

二维向量(矩阵)求

numpy.dot(a, b, out=None)

Dot product of two arrays. Specifically,

If both a and b are 1-D arrays, it is inner product of vectors (without complex conjugation).

If both a and b are 2-D arrays, it is matrix multiplication, but using matmul or a @ b is preferred.

为了保持一致性，都使用了转置操作。如下图所示，矩阵乘法按线性代数定义，必须是 行 × 列才能完成乘法运算。举例 32张128维特征进行运算，则应该是 32x128 * 128x32 才行。

参考文章