有没有办法计算一个稀疏向量和矩阵之间的相似性？

Question

如何计算一个稀疏矢量和一个矩阵（即稀疏矢量数组）之间的（例如，余弦）相似度？
这是否可以使用scikit-learn，scipy，numpy等？如果可能，相似性度量应该很容易改变。

Answer 1

如果您对计算余弦相似性感兴趣，可以使用sklearn中存在的cosine-similarity度量函数来完成，如果输入是矩阵形式，则返回距离矩阵。

<强> 插图：

import numpy as np
from sklearn.metrics.pairwise import pairwise_distances

mat_1 = np.matrix([[1,2,3],[3,4,5]])
vec_1 = (2, 3, 5)
# Make sure the dimensions of the vector and matrix are equal
>>>print pairwise_distances(mat_1, vec_1, metric = 'cosine')
[[ 0.00282354]
[ 0.01351234]]

注意：如果您打算更改距离指标，可以通过将相应的名称放在指标参数中来实现。但是，如果您的输入包含稀疏矩阵，则只能使用指标 - ['cityblock', 'cosine', 'euclidean', 'l1', 'l2', 'manhattan']，因为不支持其他指标来处理稀疏指标输入。

您可以进一步参考的文档：Pairwise metrics, Affinities and Kernels