python计算两个矩阵的相似

可以使用numpy库中的dot函数计算两个矩阵的点积，从而得到它们之间的相似度。具体实现代码如下：

import numpy as np

# 定义两个矩阵
matrix1 = np.array([[1, 2], [3, 4]])
matrix2 = np.array([[1, 1], [1, 1]])

# 计算两个矩阵的点积
dot_product = np.dot(matrix1.flatten(), matrix2.flatten())

# 计算两个矩阵的范数
norm1 = np.linalg.norm(matrix1.flatten())
norm2 = np.linalg.norm(matrix2.flatten())

# 计算两个矩阵的相似度
similarity = dot_product / (norm1 * norm2)

print("矩阵1：\n", matrix1)
print("矩阵2：\n", matrix2)
print("相似度：", similarity)

输出结果为：

矩阵1：
 [[1 2]
  [3 4]]
矩阵2：
 [[1 1]
  [1 1]]
相似度： 0.9486832980505138

其中，np.dot函数可以计算两个矩阵的点积，np.linalg.norm函数可以计算一个矩阵的范数，这里使用flatten函数将矩阵展平成一维向量，方便计算点积和范数。最后，将点积除以两个矩阵的范数乘积，就可以得到它们之间的相似度。