余弦相似性熊猫数据帧解释

Question

import numpy as np; import pandas as pd
from sklearn.metrics.pairwise import cosine_similarity


df_flask = pd.DataFrame([[100,152,70,80,2,10]],columns=['weight','height','wc','hc','sex','age'])

df_flask2 = pd.DataFrame([[55.6,154,92,27,1,70]],columns=['weight','height','wc','hc','sex','age'])

print (cosine_similarity(df_flask2.iloc[[0]],df_flask.iloc[[0]]))

我有这个示例代码试图获得余弦相似性，因为我的目标是让他们最相似的人，我想知道这是否适用于作为相似性度量？我已经看到论文使用皮尔逊相关和其他算法进行人 - 人比较，但我想尝试使用余弦相似性（如果适用）。

Answer 1

是的，但有潜在的问题。

可能知道余弦相似度将计算两个条目之间的点积。由于值的范围不相似，因此达到较高值的组件将主导结果。在这种情况下，它将是身高和体重。比较两个性别（达到2）并且你会发现性别无关紧要（除非其他一切都相同）。

这可能不是你想要的。为了确保相对于不同维度的相似性更加均匀，可以考虑将值标准化为相似的范围（例如0到1）。

如果您确实希望某些功能比其他功能更重要，您可以向上或向下缩放它们以获得适合您应用的功能。