cosine-similarity

0熱度

1回答

帶TF-IDF的KNN投擲「重塑你的數據」帶有餘弦相似度的警告作爲距離度量

我正在嘗試使用SciKIt中的餘弦相似度來學習KNN，但它一直在拋出這些警告。有人可以解釋這些的含義是什麼，爲什麼只有當我試圖用餘弦相似性擬合KNN模型而沒有使用任何其他距離度量時纔會出現這種情況？ 代碼： t0 = time.time() count_vect = CountVectorizer() X_train_counts = count_vect.fit_transform(X)

python scikit-learn knn cosine-similarity 2016-07-02

---

-2熱度

1回答

有人可以告訴我如何以圖形方式計算出簡單的餘弦相似性嗎？

有人可以告訴我如何計算餘弦相似性嗎？ 我知道有人在similar question link之前回答過類似的問題，但我不明白最終結果如何達成。

text data-mining cosine-similarity 2016-05-17

---

3熱度

1回答

成對距離python（一個基本向量相對於其他很多）

我有一個基向量（由1和0組成），我想找到50000個其他向量（也包括1和0）的餘弦距離。我發現了很多方法來計算成對距離的整個矩陣，但我對此並不感興趣。相反，我只是感興趣的是獲取我的基矢量與其他矢量的50,000個距離（然後通過排序找到前5個）。什麼是我能達到這個目標的最快方法？

python cosine-similarity 2016-07-08

---

0熱度

1回答

匹配2個數組的值

我正在嘗試創建一個程序，該程序將對一堆數組進行評分，以查找與給定數組最接近的數組。所以說，給定的數組是 [1, 80, 120, 155, 281, 301] 和陣列來比較的一個是 [-6, 78, 108, 121, 157, 182, 218, 256, 310, 408, 410] 我如何能在第一陣列中的值匹配其關閉值第二陣列將在給它最低的總差。 在這種情況下，目前還不清楚 1 =>

arrays matching cosine-similarity 2016-05-21

---

0熱度

1回答

如何處理餘弦相似度的負值

我根據條款計算了我的文檔的tf-idf。然後，我應用LSA來降低條款的維度。 'similarity_dist'包含負值（參見下表）。我如何計算範圍0-1的餘弦距離？ tf_vectorizer = CountVectorizer(max_df=0.95, min_df=2, tokenizer=tokenize_and_stem, stop_words='english') %time tf

python scikit-learn svd cosine-similarity lsa 2016-05-26

---

0熱度

2回答

編譯錯誤，認爲我有我的輸入文件錯誤，但無法確定是什麼做錯了

所以基本上這是一個解析器/餘弦矩陣計算器，但我不斷收到編譯錯誤。我認爲我有正確的閱讀文本文件的輸入路徑。但它仍然不會編譯。 這是我的主類： import java.io.FileNotFoundException; import java.io.IOException; public class TfIdfMain { public static void mai

java parsing input runtime-error cosine-similarity 2016-07-18

---

-1熱度

1回答

還有其他有用的相似度或距離度量標準嗎？

我正在開發一個近似計算系統。定義這兩個對象的相似程度是這種系統的基本操作。 通常在計算機科學和數學，相似性是兩個物體之間的距離的代名詞，但它並不總是很清楚，我在這類型的應用程序下面的距離被使用： 傑卡德係數是用於排名和評分的信息檢索。 餘弦相似度用於實向量和它的使用用於例如測量文檔之間的相似性（即使它不考慮術語位置，但只有頻率） 海明距離用於二元載體和它用於測量計算機視覺和圖像處理中二進制描述符（

machine-learning distance euclidean-distance cosine-similarity hamming-distance 2016-06-11

---

-1熱度

1回答

python中兩個文檔的比較

給出兩個文檔，我想計算它們之間的相似度。我有措施找出餘弦距離，N-gram和tf-idf使用這個： This is a previously asked question 我想知道，還有什麼需要使用這些函數來完成。 而且，我已經嘗試推行Word2Vec，下面我試圖找到相似之處使用下面的代碼： for i in range(len(Words)): print i for k i

python tf-idf n-gram word2vec cosine-similarity 2016-06-20

---

1熱度

1回答

as.matrix（）和as.dist（）有不同的結果

我有一個列表「simil」，它包含7個載體： > dput(simil) structure(list(Monday = structure(c(0.889987253484581, 0.882957894295089, 0.882232353177177, 0.874080268021168, 0.851760771472629, 0.811536071048775 ), .Names =

r matrix hierarchical-clustering cosine-similarity 2016-05-21

---

0熱度

1回答

規格化餘弦相似性值來計算基於TF-IDF

我計算餘弦相似性基於TF-IDF矩陣： tfidf_vectorizer_desc = TfidfVectorizer(min_df=5, max_df=0.8, use_idf=True, smooth_idf=True, sublinear_tf=False, tokenizer=tokenize_and_stem) %time tfidf_matrix_desc = tfidf_vecto

python normalization tf-idf cosine-similarity 2016-06-14

---