欧氏距离和余弦相似度

两者相同的地方，就是在机器学习中都可以用来计算相似度，但是两者的含义有很大差别，以我的理解就是：

• 前者是看成坐标系中两个 点 ，来计算两点之间的 距离 ;
• 后者是看成坐标系中两个 向量 ，来计算两向量之间的 夹角 。
• 前者因为是 点 ，所以一般指 位置 上的差别，即 距离 ；
• 后者因为是 向量 ，所以一般指 方向 上的差别，即所成 夹角 。

如下图所示：

数据项A和B在坐标图中当做点时，两者相似度为距离dist(A,B)，可通过欧氏距离（也叫欧几里得距离）公式计算：

$$dist(X,Y)=\sqrt{\sum_{i=1}^{n}(X_i-Y_i)^2}$$

当做向量时，两者相似度为cosθ，可通过余弦公式计算：

$$cos\theta = \frac{\sum_{i=1}^{n}(A_i \times B_i)}{\sqrt(\sum_{i=1}^{n}(A_i)^2) \times \sqrt(\sum_{i=1}^{n}(B_i)^2)}= \frac{A^T \cdot B}{||A||\times ||B||} $$

假设$||A||$、$||B||$表示向量A、B的L2范数，例如向量[1,2,3]的2范数为：

$$\sqrt{1^2+2^2=3^3} = \sqrt{14}$$
numpy中提供了范数的计算工具： linalg.norm()

所以计算$cosθ$起来非常方便（假定A、B均为列向量）：

num = float(A.T * B) #若为行向量则 A * B.T
denom = linalg.norm(A) * linalg.norm(B)
cos = num / denom #余弦值
sim = 0.5 + 0.5 * cos #归一化

因为有了linalg.norm()，欧氏距离公式实现起来更为方便：

dist = linalg.norm(A - B)
sim = 1.0 / (1.0 + dist) #归一化

关于归一化：

因为余弦值的范围是 [-1,+1] ，相似度计算时一般需要把值归一化到 [0,1]，一般通过如下方式：

$$sim = 0.5 + 0.5 * \cosθ $$
若在欧氏距离公式中，取值范围会很大，一般通过如下方式归一化：

$$sim = \frac{1}{1+dist(x,y)}$$

说完了原理，简单扯下实际意义，举个栗子吧：

例如某T恤从100块降到了50块（A(100,50)），某西装从1000块降到了500块（B(1000,500)）

那么T恤和西装都是降价了50%，两者的价格变动趋势一致，余弦相似度为最大值，即两者有很高的 变化趋势相似度

但是从商品价格本身的角度来说，两者相差了好几百块的差距，欧氏距离较大，即两者有较低的 价格相似度。

参考:欧氏距离和余弦相似度