余弦相似度行向量相似度矩阵，列向量相似度矩阵python代码

以下是计算行向量相似度矩阵和列向量相似度矩阵的Python代码：

import numpy as np

# 计算行向量相似度矩阵
def row_similarity_matrix(X):
    sim_mat = np.zeros((X.shape[0], X.shape[0]))
    for i in range(X.shape[0]):
        for j in range(X.shape[0]):
            sim_mat[i, j] = np.dot(X[i], X[j]) / (np.linalg.norm(X[i]) * np.linalg.norm(X[j]))
    return sim_mat

# 计算列向量相似度矩阵
def col_similarity_matrix(X):
    sim_mat = np.zeros((X.shape[1], X.shape[1]))
    for i in range(X.shape[1]):
        for j in range(X.shape[1]):
            sim_mat[i, j] = np.dot(X[:, i], X[:, j]) / (np.linalg.norm(X[:, i]) * np.linalg.norm(X[:, j]))
    return sim_mat

其中，输入参数 `X` 是一个二维的数组，行代表样本数，列代表特征数。函数 `row_similarity_matrix` 返回的是行向量相似度矩阵，大小为样本数×样本数。函数 `col_similarity_matrix` 返回的是列向量相似度矩阵，大小为特征数×特征数。这里使用了 numpy 库中的 dot 函数计算向量点积和 linalg.norm 函数计算向量范数。