from：
親測有效的方法：
1、余弦相似性（cosine）
（1）使用sklearn中的向量相似性的計算包，**如下：
這個函式的輸入是n個長度相同的list或者array，函式的處理是計算這n個list兩兩之間的余弦相似性，最後生成的相似矩陣中的s[i][j]表示的是原來輸入的矩陣中的第i行和第j行兩個向量的相似性，所以生成的是n*n的相似性矩陣
from sklearn.metrics.pairwise import cosine_similarity
cosine_similarity([1, 0, 0, 0], [1, 0, 0, 0])
（2）使用scipy包中的距離計算，**如下：
這裡的vec1和vec2都是一維的array向量。
from scipy.spatial.distance import cosine
cosine(vec1, vec2)
2、皮爾森相關係數（pearson）
>>> from scipy import stats
>>> a = np.array([0, 0, 0, 1, 1, 1, 1])
>>> b = np.arange(7)
>>> stats.pearsonr(a, b)
(0.8660254037844386, 0.011724811003954654)
>>> stats.pearsonr([1,2,3,4,5], [5,6,7,8,7])
(0.83205029433784372, 0.080509573298498519)
前面的0.866025和0.862050即為所要求的相關係數，具體用法參見：scipy.stats.pearsonr
3、歐式距離
歐式距離，即歐幾里得距離，這裡的計算有三種方式：
（1）已知vec1和vec2是兩個numpy array，即陣列，使用numpy包計算：
import numpy
dist = numpy.sqrt(numpy.sum(numpy.square(vec1 - vec2)))
（2）也是使用numpy包，相對更加直接，**如下：
奶牛的相似性
奶牛的相似性 description 農夫約翰有兩頭奶牛，他想要知道，這兩頭奶牛到底有多相似，所以他給每頭奶牛拍了mn 指m行n列 的數碼相片，他想要你寫乙個程式幫助他。mn的數碼相片可以分辨出奶牛身上黑色和白色的斑塊，下面是兩頭奶牛的數碼 x 表示黑色部分，表示白色部分 其中m 5，n 7。奶牛1...
基於Python計算余弦相似性
在我們計算相似度時，常常用到余弦夾角來判斷兩個向量或者矩陣之間的相似度，cosine 余弦相似度 取值範圍 1,1 當兩個向量的方向重合時夾角余弦取最大值1，當兩個向量的方向完全相反夾角余弦取最小值 1，兩個方向正交時夾角余弦取值為0。x 1x 1 x1 和 x 2x 2 x2 分別是輸入的兩個向量...
訊號相似性的描述
訊號相似性的描述 在很多的應用場合，經常要描述兩個訊號的相似性。比如在雷達的訊號檢測中，要比較所接收的訊號是否就是發射訊號的延時。有時候，甚至還要描述乙個訊號本身的相似性，比如在語音編碼中，要通過語音頻號本身的相似性，來 下一時刻的訊號值。我們知道，在訊號處理中，用相關函式來描述訊號的相似性。描述兩...