cosine_similarity

sklearn.metrics.pairwise.cosine_similarity(X, Y=None, dense_output=True)[source]

Вычислить косинусное сходство между образцами в X и Y.

Косинусное сходство, или косинусный ядро, вычисляет сходство как нормированное скалярное произведение X и Y:

K(X, Y) = <X, Y> / (||X||*||Y||)

На данных, нормированных по L2, эта функция эквивалентна linear_kernel.

Подробнее см. в Руководстве пользователя.

Параметры:

X{array-like, sparse matrix} of shape (n_samples_X, n_features)

Входные данные.

Y{array-like, sparse matrix} of shape (n_samples_Y, n_features), default=None

Входные данные. Если None, результат будет представлять собой парные сходства между всеми образцами в X.

dense_outputbool, default=True

Возвращать ли плотный вывод, даже если вход является разреженным. Если False, результат будет разреженным, если оба входных массива являются разреженными.

Добавлен в версии 0.17: параметр dense_output для плотного вывода.

Возвращает:

similaritiesndarray or sparse matrix of shape (n_samples_X, n_samples_Y)

Возвращает косинусное сходство между образцами в X и Y.

Примеры

>>> from sklearn.metrics.pairwise import cosine_similarity
>>> X = [[0, 0, 0], [1, 1, 1]]
>>> Y = [[1, 0, 0], [1, 1, 0]]
>>> cosine_similarity(X, Y)
array([[0.     , 0.     ],
       [0.57..., 0.81...]])

Галерея примеров

График границ классификации с различными ядрами SVM