余弦距离和欧氏距离，知道原理和公式后真的很简单

以你之姓@ 2023-10-02 17:33 4阅读 0赞

我们来看下公式，其实就是余弦计算公式：A和B是两个任意向量，除以它们模的乘积，就得到它们夹角的余弦值，其中向量Ai和Bi是向量A和B的每一个分量。  
![在这里插入图片描述][7b332c8ca6084f5f8f685e0e2b75bc14.png]

简单来说，余弦相似度，就是计算两个向量间的夹角的余弦值。

余弦距离就是用1减去这个获得的余弦相似度。

余弦值取值范围为\[-1,1\]，余弦距离取值范围为\[0,2\]，这样就满足了非负性的性质。

是不是很简单~

欧式距离我们从初中或者说小学就开始使用了，就是计算距离空间中的两点的实际距离。  
![在这里插入图片描述][2519cd02c03143e1beb505ae1d7c76f0.png]  
这里的p为点(x1,y1)与点(x2,y2)之间的欧氏距离，当然扩展到多维空间中，公式就拓展到：  
![在这里插入图片描述][600d294ce6cd41168d7c1814a0149c39.png]  
是不是更简单~

总体来说，欧氏距离体现数值上的绝对差异，而余弦距离体现方向上的相对差异。

1.  统计两部剧的用户观看行为，用户A的观看向量为(0,1)，用户B为(1,0)；此时二者的余弦距很大，而欧氏距离很小；我们分析两个用户对于不同视频的偏好，更关注相对差异，显然应当使用`余弦距离`。
2.  而当我们分析用户活跃度，以登陆次数(单位：次)和平均观看时长(单：分钟)作为特征时，余弦距离会认为(1,10)、(10,100)两个用户距离很近；但显然这两个用户活跃度是有着极大差异的，此时我们更关注数值绝对差异，应当使用`欧氏距离`。

[7b332c8ca6084f5f8f685e0e2b75bc14.png]: https://img-blog.csdnimg.cn/7b332c8ca6084f5f8f685e0e2b75bc14.png
[2519cd02c03143e1beb505ae1d7c76f0.png]: https://img-blog.csdnimg.cn/2519cd02c03143e1beb505ae1d7c76f0.png
[600d294ce6cd41168d7c1814a0149c39.png]: https://img-blog.csdnimg.cn/600d294ce6cd41168d7c1814a0149c39.png