2
我需要在大矩陣上使用Scikit-learn sklearn.metric.pairwise.cosine_similarity。 對於一些優化我需要計算矩陣的一些行,所以我嘗試了不同的方法。Numpy Cosine在大集合上的類似差異
我發現,在某些情況下結果取決於載體的大小是不同的,我看到在這個測試情況下,這個奇怪的行爲(大載體,調換和估計餘弦):
from sklearn.metrics.pairwise import cosine_similarity
from scipy import spatial
import numpy as np
from scipy.sparse import csc_matrix
size=200
a=np.array([[1,0,1,0]]*size)
sparse_a=csc_matrix(a.T)
#standard cosine similarity between the whole transposed matrix, take only the first row
res1=cosine_similarity(a.T,a.T)[0]
#take the row obtained by the multiplication of the first row of the transposed matrix with transposed matrix itself (optimized for the first row calculus only)
res2=cosine_similarity([a.T[0]],a.T)[0]
#sparse matrix implementation with the transposed, which should be faster
res3=cosine_similarity(sparse_a,sparse_a)[0]
print("res1: ",res1)
print("res2: ",res2)
print("res3: ",res3)
print("res1 vs res2: ",res1==res2)
print("res1 vs res3: ",res1==res3)
print("res2 vs res3: ", res2==res3)
如果 「大小」 設置爲我得到這個結果,這是確定:
res1: [ 1. 0. 1. 0.]
res2: [ 1. 0. 1. 0.]
res3: [ 1. 0. 1. 0.]
res1 vs res2: [ True True True True]
res1 vs res3: [ True True True True]
res2 vs res3: [ True True True True]
但如果「大小「設置爲以上,一些奇怪的事情發生了:
res1: [ 1. 0. 1. 0.]
res2: [ 1. 0. 1. 0.]
res3: [ 1. 0. 1. 0.]
res1 vs res2: [False True False True]
res1 vs res3: [False True False True]
res2 vs res3: [ True True True True]
有誰知道我錯過了什麼?
在此先感謝
非常感謝你的回答,我跑了它,它的工作原理。但是根據文檔,np.iscloseto()*「返回一個布爾數組,其中兩個數組在元素方向上的公差範圍內相等。」* 這似乎證實了矩陣中的值不完全相同(實際上它們是在公差範圍內彼此接近)。 我的問題的關鍵是**爲什麼cosine_similarity在不同的情況下返回不同的值**。 –
'cosine_similarity'在不同情況下不會返回不同的值。它總是返回'[1. 0. 1. 0.]'。問題在於比較方式。 'numpy.array'不能使用'==' –