Wie man die (z. B. Cosinus) Ähnlichkeit zwischen einem spärlichen Vektor und einer Matrix (d. H. Einem Array von spärlichen Vektoren) berechnet?
Ist das möglich mit scikit-lernen, scipy, numpy, etc.? Wenn möglich, sollte die Ähnlichkeitsmaße leicht änderbar sein.Gibt es eine Möglichkeit, die Ähnlichkeit zwischen einem spärlichen Vektor und einer Matrix zu berechnen?
Wenn Sie an der Berechnung der Kosinusähnlichkeit interessiert sind, können Sie dies mithilfe der in sklearn vorhandenen metrischen Funktionalität cosine-similarity tun, die die Abstandsmatrix zurückgibt, wenn die Eingabe in Matrixform erfolgt.
Illustration:
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]]
Hinweis: Wenn Sie auf eine Änderung der Abstandsmetriken möchten, können Sie dies tun, indem Sie die entsprechenden Namen in das metrische Parameter platzieren. Wenn Ihre Eingabe jedoch eine dünn besetzte Matrix enthält, können Sie nur die Metriken ['cityblock', 'cosine', 'euclidean', 'l1', 'l2', 'manhattan'] verwenden, da andere nicht unterstützt werden, um die dünn besetzten metrischen Eingaben zu verarbeiten.
Docs Sie können weiter verweisen: Pairwise metrics, Affinities and Kernels