Question

我想知道R中是否有内置函数可以找到两个数组之间的余弦相似度（或余弦距离）？

目前，我实现了自己的功能，但我不禁认为R应该已经配备了一个。

Answer 1

这些问题一直存在（对我来说 - 并且由 r 标记的SO问题列表 - 其他人也证明）：

是否存在一个函数，无论是在R核心还是在任何R包中，都可以执行x？，如果是，

哪里可以在CRAN的+2000 R包中找到它？

简短回答：在出现这类问题时尝试 sos package

早期的答案之一给出了余弦以及指向其帮助页面的链接。这可能正是OP想要的。当您查看链接到页面时，您会看到此功能位于 lsa 包中。

但 如果您还不知道要查找哪个包，您会如何找到此功能？

您可以随时尝试标准的R帮助功能（下面的“＆gt;”只表示R命令行）：

> ?<some_name>

> ??<some_name>

> *apropos*<some_name>

如果这些失败，那么安装＆amp;加载 sos 包，然后

***findFn***

findFn 也别名为“???”，虽然我不经常使用它，因为我认为你不能传递函数名以外的参数

对于这里的问题，试试这个：

> library(sos)

> findFn("cosine", maxPages=2, sortby="MaxScore")

传入的其他参数（“maxPages = 2”和“sortby =”MaxScore“）仅限制返回的结果数，并分别指定结果的排名方式 - 即”找到一个名为'余弦的函数'或者在函数描述中有'余弦'一词，只返回两页结果，并按降序相关分数排序“

上面的 findFn 调用会返回一个包含九列且结果为行的数据框 - 呈现为HTML。

扫描最后一列描述和链接，项目（行）21，您会发现：

余弦测量（矩阵）

这个文字也是一个链接;单击它会转到包含该功能的包中该功能的帮助页面 - 换句话说

使用 findFn ，你可以很快找到你想要的功能即使你不知道它在哪个包

Answer 2

看起来有几个选项已经可用，但我偶然发现了一个我喜欢的惯用解决方案，所以我想我会把它添加到列表中。

install.packages('proxy') # Let's be honest, you've never heard of this before.
library('proxy') # Library of similarity/dissimilarity measures for 'dist()'
dist(m, method="cosine")

Answer 3

接受Jonathan Chang的评论我写了这个函数来模仿dist。没有额外的包加载。

cosineDist <- function(x){
  as.dist(1 - x%*%t(x)/(sqrt(rowSums(x^2) %*% t(rowSums(x^2))))) 
}

Answer 4

检查这些功能lsa::cosine()，clv::dot_product()和arules::dissimilarity()

Answer 5

您还可以查看纯素包：http://cran.r-project.org/web/packages/vegan//index.html

此包中的函数vegdist具有各种不同（距离）函数，例如manhattan，euclidean，canberra，bray，kulczynski ，jaccard，gower，altGower，morisita，horn，mountford，raup，binomial，{ {1}}或chao。请查看包装中的.pdf以获取定义，或参考参考文献https://stats.stackexchange.com/a/33001/12733。

Answer 6

如果您有点积矩阵，则可以使用此函数计算余弦相似度矩阵：

get_cos = function(S){
  doc_norm = apply(as.matrix(dt),1,function(x) norm(as.matrix(x),"f")) 
  divide_one_norm = S/doc_norm 
  cosine = t(divide_one_norm)/doc_norm
  return (cosine)
}

输入S是点积的矩阵。简单地说，S = dt %*% t(dt)，其中dt是您的数据集。

此功能基本上是将点积除以向量的范数。

Answer 7

余弦相似度不变。相关相似度也许是一个更好的选择，因为它解决了这个问题，并且还与平方欧几里德距离有关（如果数据标准化的话）

如果您有两个由特征的p维向量描述的对象， x1和x2均为维度p，您可以通过cor(x1, x2)计算相关相似度。

请注意，在统计中，相关性用作比例矩概念，因此自然地将其视为随机变量之间的相关性。 cor(dataset)函数将计算数据矩阵各列之间的相关性。

在典型情况下，数据矩阵为X，行为单位（或对象），列为变量（或特征），则可以计算相关相似度矩阵< / strong>，只需在cor的转置上计算X，然后给结果对象一个dist类

as.distance(cor(t(X)))

通过这种方式，您可以以相同的方式计算相关相异度矩阵。以下是关于角度大小和对象矢量之间的方向的区别

1 - cor(t(X))

这不关心方向，只关心角度的大小

1 - abs(cor(t(X)))

找出两个数组之间的余弦相似度

7 个答案: