numpy distance

by · 2019年10月28日 · 250 Words · ~1min reading time | Improve on


原文链接： numpy distance
# coding=utf-8

"""
Created on Sun Dec 28 10:33:42 2014
@author: wepon
"""

# 相似度计算,inA、inB都是行向量
import numpy as np
from numpy import linalg as la

# 欧式距离
def euclidSimilar(inA, inB):
    return 1.0 / (1.0 + la.norm(inA - inB))
# 皮尔逊相关系数
def pearsonSimilar(inA , inB):
    if len(inA) < 3:
        return 1.0
    return 0.5 + 0.5 * np.corrcoef(inA, inB, rowvar=0)[0][1]
# 余弦相似度
def cosSimilar(inA , inB):
    inA = np.mat(inA)
    # print inB
    inB = np.mat(inB)
   # print inB
    num = float(inA * inB.T)
    denom = la.norm(inA) * la.norm(inB)
    return 0.5 + 0.5 * (num / denom)

inA = np.array([1, 2, 3])
inB = np.array([2, 4, 6])
print "欧式距离：",euclidSimilar(inA, inB)
print "皮尔逊相关系数：",pearsonSimilar(inA, inB)
print "余弦相似度：",cosSimilar(inA, inB)

Tags:

`