写一段可以计算两个向量相似度的python代码
时间: 2023-12-08 22:05:50 浏览: 39
当计算两个向量之间的相似度时,可以使用余弦相似度来衡量它们的相似程度。下面是一个简单的Python代码示例:
```python
import numpy as np
from numpy.linalg import norm
def cosine_similarity(vector1, vector2):
dot_product = np.dot(vector1, vector2)
norm1 = norm(vector1)
norm2 = norm(vector2)
similarity = dot_product / (norm1 * norm2)
return similarity
# 示例用法
vector1 = np.array([1, 2, 3])
vector2 = np.array([4, 5, 6])
similarity = cosine_similarity(vector1, vector2)
print(f"Cosine similarity: {similarity}")
```
在上述代码中,我们定义了一个名为`cosine_similarity`的函数,它接受两个向量`vector1`和`vector2`作为参数。
函数内部使用`numpy`库中的`dot`函数计算两个向量的点积。然后,使用`norm`函数计算每个向量的范数(即向量的长度)。最后,通过将点积除以两个向量的范数的乘积,得到余弦相似度。
你可以根据需要修改`vector1`和`vector2`的值,并调用`cosine_similarity`函数来计算两个向量之间的相似度。最后,会打印出余弦相似度的结果。