向量之間的相似度和距離計算

/*

特徵向量相似度和距離的計算
相似度：
·夾角余弦
·相關係數
·dice
·jaccard
距離·明氏距離
·歐氏距離
·馬氏距離
·jffreys & matusita 距離
·mahalanobis 距離，未實現，協方差矩陣
·camberra 距離（lance 距離，williams 距離）*/ 
#include #include #include #include using namespace std;
double dotproduct(const vector& v1, const vector& v2)
return ret;} 
double module(const vector& v)
return sqrt(ret);} 
// 夾角余弦
double cosine(const vector& v1, const vector& v2)
double mean(const vector& v)
return ret / v.size();} 
double cov(const vector& v1, const vector& v2)
return ret / (v1.size() - 1);} 
// 相關係數
double coefficient(const vector& v1, const vector& v2)
// dice 係數
double dice(const vector& v1, const vector& v2)
// jaccard 係數
double jaccard(const vector& v1, const vector& v2)
// minkowsky 距離
double minkowsky(const vector& v1, const vector& v2, double m)
return pow(ret, 1.0 / m);} 
// euclidean 距離
double euclidean(const vector& v1, const vector& v2)
// manhattan 距離
double manhattan(const vector& v1, const vector& v2)
// jffreys & matusita 距離
double jffreysmatusita(const vector& v1, const vector& v2)
return sqrt(ret);} 
// mahalanobis 距離
double mahalanobis(const vector& v1, const vector& v2)
// camberra 距離（lance 距離，williams 距離）
double camberra(const vector& v1, const vector& v2)
return ret;} 
int main()
; double b = ;
vectorv1(a, a + sizeof (a) / sizeof (*a)), v2(b, b + sizeof (b) / sizeof (*b));
cout << cosine(v1, v2) << endl;
cout << coefficient(v1, v2) << endl;
cout << dice(v1, v2) << endl;
cout << jaccard(v1, v2) << endl;
cout << minkowsky(v1, v2, 5.0) << endl;
cout << euclidean(v1, v2) << endl;
cout << manhattan(v1, v2) << endl;
cout << jffreysmatusita(v1, v2) << endl;
cout << mahalanobis(v1, v2) << endl;
cout << camberra(v1, v2) << endl;
return 0;
}

特徵向量相似度和距離的計算

本文 1 2特徵向量相似度和距離的計算34 相似度 5 夾角余弦 6 相關係數 7 dice 8 jaccard910 距離11 明氏距離 12 歐氏距離 13 馬氏距離 14 jffreys matusita 距離 15 mahalanobis 距離，未實現，協方差矩陣 16 camberra 距...

計算向量相似度 余弦相似度

1.余弦相似度可用來計算兩個向量的相似程度 對於如何計算兩個向量的相似程度問題，可以把這它們想象成空間中的兩條線段，都是從原點 0,0,出發，指向不同的方向。兩條線段之間形成乙個夾角，如果夾角為0度，意味著方向相同 線段重合 如果夾角為90度，意味著形成直角，方向完全不相似 如果夾角為180度，意味...

距離和相似度計算總結

閔可夫斯基距離minkowsli p x1,x2,x n an dq y1,y 2,yn rn 是衡量數值點之間距離的一種非常常見的方法，假設數值點 p 和 q座標如上 那麼，閔可夫斯基距離定義為 dist x,y i 1n xi yi p 1p 當p 2時，表示的是歐幾里得距離 euclidean...