知识卡片
相关相似度需一致地中心化
相关系数比较去均值后的方向,其分子为中心化向量点积,分母也应取两个中心化向量的长度;图148只在分子减均值而分母写原向量长度,与通常相关系数不一致。常量向量中心化后为零还需定义。SciPy correlation返回1−相关系数的距离,不能把该输出直接当图里的相似度。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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:已实看图148Correlation行,官方定义明确中心化分母及距离方向,支持这一具体公式纠正。2026-11-06核对官方资料:https://docs.scipy.org/doc/scipy/reference/generated/scipy.spatial.distance.correlation.html。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