簡單來說，余弦相似度，就是計算兩個向量間的夾角的余弦值。余弦距離就是用1減去這個獲得的余弦相似度。余弦距離取值範圍由上面的余弦距離可以知道，余弦距離的取值範圍為[0,2] ,這就滿足了非負性的性質。
歐式距離之前提過了，就是常用的距離計算公式：
當向量的模長是經過歸一化的，此時歐氏距離與余弦距離有著單調的關係：
在此場景下，如果選擇距離最小（相似度最大）的近鄰，那麼使用余弦相似度和歐氏距離的結果是相同的。
總體來說，歐氏距離體現數值上的絕對差異，而余弦距離體現方向上的相對差異。
2）而當我們分析使用者活躍度，以登陸次數(單位：次)和平均**時長(單：分鐘)作為特徵時，余弦距離會認為(1,10)、(10,100)兩個使用者距離很近；但顯然這兩個使用者活躍度是有著極大差異的，此時我們更關注數值絕對差異，應當使用歐氏距離。
數學基礎之曼哈頓距離，歐式距離，余弦距離
曼哈頓距離，歐式距離，余弦距離 1.曼哈頓距離 曼哈頓距離又稱馬氏距離 manhattan distance 還見到過更加形象的，叫計程車距離的。具見上圖黃線，應該就能明白。計算距離最簡單的方法是曼哈頓距離。假設，先考慮二維情況，只有兩個樂隊 x 和 y，使用者a的評價為 x1,y1 使用者b的評價...
歐式距離 標準化歐式距離 馬氏距離 余弦距離
標準化歐氏距離 馬氏距離 夾角余弦距離 漢明距離 曼哈頓 manhattan 距離1,x2x1,x2 間的距離公式 ixi 的各個維度之間的尺度不一樣。對於尺度無關的解釋 如果向量中第一維元素的數量級是100，第二維的數量級是10，比如v1 100,10,30 v2 500,40 則計算歐式距離 2...
歐式距離 和 余弦相似度
都單位向量化後，再化簡後就是 兩者在歸一化為單位向量的時候計算相似度結果完全一樣。只不過余弦相似度是值越大月相似，歐式距離是值越小越相似 歐氏距離能夠體現個體數值特徵的絕對差異，所以更多的用於需要從維度的數值大小中體現差異的分析，如使用使用者行為指標分析使用者價值的相似度或差異。主要在乎的是值 余弦...