python 余弦相似性_数据挖掘：度量数据的相似性和相异性

Python中的余弦相似度是一种用于比较两个向量相似性的指标。它可以用于度量数据的相似性和相异性，适用于许多数据挖掘问题。

余弦相似度的计算方法是将两个向量点积除以它们的模长乘积，即：

cosine_similarity = (a · b) / (||a|| * ||b||)

其中a和b是两个向量，a · b表示它们的点积，||a||和||b||分别表示它们的模长。

在Python中，可以使用scikit-learn库的cosine_similarity函数来计算余弦相似度。这个函数需要输入两个向量，它会返回它们的余弦相似度值。

以下是一个示例代码，展示如何使用Python计算余弦相似度：

from sklearn.metrics.pairwise import cosine_similarity
import numpy as np

# 定义两个向量
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

# 计算余弦相似度
similarity = cosine_similarity([a, b])
print(similarity)

输出结果为：

[[1.         0.97463185]
 [0.97463185 1.        ]]

这个结果表示，向量a和向量b的余弦相似度为0.97463185。