为什么SKLearn的Distance Metric课程没有余弦距离？

Question

我试图通过余弦距离获得KNN，但看起来公制参数不会占用余弦距离。 http://scikit-learn.org/stable/modules/generated/sklearn.neighbors.DistanceMetric.html仅提供以下指标。这是为什么 ？

用于实值向量空间的度量标准： 标识符类名称args距离函数 “欧几里德”欧几里德距离
sqrt（sum（（x - y）^ 2）） “曼哈顿”ManhattanDistance
sum（| x - y |） “切比雪夫”ChebyshevDistance
sum（max（| x - y |）） “minkowski”MinkowskiDistance p sum（| x - y | ^ p）^（1 / p） “wminkowski”WMinkowskiDistance p，w sum（w * | x - y | ^ p）^（1 / p） “seuclidean”SEuclideanDistance V sqrt（总和（（x - y）^ 2 / V）） “mahalanobis”MahalanobisDistance V或VI sqrt（（x - y）'V ^ -1（x - y）） 用于二维向量空间的度量标准： 标识符类名称距离函数 “hasrsine”HaversineDistance
2 arcsin（sqrt（sin ^ 2（0.5 * dx） COS（X1）COS（×2）罪^ 2（0.5 * DY）））

Answer 1

在不满足三角不等式的意义上，余弦距离不是适当的距离。它本身的角度并不代表最短的距离。此处对此进行了很好的描述-https://en.wikipedia.org/wiki/Cosine_similarity。对于K-Means或任何距离类型相似性算法，必须满足距离度量标准（https://en.wikipedia.org/wiki/Metric_(mathematics)）。