知识卡片

普通读书笔记卡 · 6644.a.1.ek · 生成模型:未记录

距离变相似度需保留数值方向

理解等级:中级

图中Euclidean、Cityblock、Chebyshev先算L2/L1/最大坐标差,再用1/(1+d)改成越大越近的相似度。它们已不是原距离本身,量纲和特征缩放仍影响分数;不能把1/(1+d)与余弦当同尺度概率。选阈值前应确认输入向量、归一与方向,零范数等边界按具体度量处理。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python自然语言处理 · 第8章 信息检索:访问信息,spine062单元007;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00061.html。 - 结论依据:已查看原书图148前三行的倒数变换与Cosine行,直接支持距离名之下实际呈现相似变换的区别。未在本机运行示例或改变环境。 - 原始内容:特征或上下文单词执行词干提取和词形还原。相似性度量可用于计算两个向量之间的相似性。 Let's see the following list of similarity metrics: 加权方案是另一个非常重要的术语,因为