scikit cosine_similarity vs pairwise_distances

Question

Scikit-learn的sklearn.metrics.pairwise.cosine_similarity和sklearn.metrics.pairwise.pairwise_distances（.. metric="cosine"）有什么区别？

from sklearn.feature_extraction.text import TfidfVectorizer
documents = (
    "Macbook Pro 15' Silver Gray with Nvidia GPU",
    "Macbook GPU"    
)
tfidf_vectorizer = TfidfVectorizer()
tfidf_matrix = tfidf_vectorizer.fit_transform(documents)
from sklearn.metrics.pairwise import cosine_similarity
print(cosine_similarity(tfidf_matrix[0:1], tfidf_matrix)[0,1])

0.37997836

from sklearn.metrics.pairwise import pairwise_distances
print(pairwise_distances(tfidf_matrix[0:1], tfidf_matrix, metric='cosine')[0,1])

0.62002164

为什么这些不同？

Answer 1

来自源代码文档：

Cosine distance is defined as 1.0 minus the cosine similarity.

所以你的结果是有意义的。

Answer 2

成对距离提供两个 array.so 之间的距离越远意味着相似性越小。而余弦相似性是 1-pairwise_distance，因此余弦相似性越大意味着两个数组之间的相似性越大。