余弦相似性输出因库而异

Question

我试图找到两个n维向量之间的余弦距离。我通过使用scipy和sklearn来做到这一点。不知何故，两个库的输出是不同的。我不明白为什么。

import numpy as np
from scipy import spatial
from sklearn import metrics
a=np.array([1,2,3,4])
b=np.array([2,3,1,4])
X=np.array([a,b])
print spatial.distance.pdist(X,'cosine')[0]
print metrics.pairwise.cosine_similarity(a,b)[0][0]
print metrics.pairwise_distances(np.reshape(a,(1,4)),np.reshape(b,(1,4)),metric = 'cosine')[0][0]

此代码的输出如下所示：

0.1
0.9
0.1

Answer 1

区别在于一次你计算余弦距离(spatial.distance.pdist，metrics.pairwise_distances(，而另一次你计算余弦相似性(metrics.pairwise.cosine_similarity(。

所以cosine_distance = 1 - cosine_similarity，这就解释了为什么你的例子中两个数据点之间的distance是0.1，而两者之间的similarity是0.9。

scipy通常计算距离，如果您查看文档，余弦距离实际上被定义为1 - cosine_similarity那里。