Scipy中的自动广播

好的,看看这些文件, http://scikit-learn.org/stable/modules/generated/sklearn.metrics.pairwise.cosine_distances.html

具有(800500)和(1500)输入( (samples, features) ),您应该返回(800,1)结果( (samples1, samples2) ).

dot 执行某种排序计算的乘积( norm np.dot(data, sample.T) 在处理尺寸时。

https://docs.scipy.org/doc/scipy/reference/generated/scipy.spatial.distance.cosine.html Computes the Cosine distance between 1-D arrays

for row in data:
   for s in sample:
      d = cosine(row, s)

或自 sample

distances = np.array([cosine(row, sample[0]) for row in data])

换句话说 sklearn 版本进行成对迭代(可能在编译代码中),而 spartial 只计算一对的距离。

pairwise.cosine_similarity 做

 # K(X, Y) = <X, Y> / (||X||*||Y||)
 K = safe_sparse_dot(X_normalized, Y_normalized.T, dense_output=dense_output)

点 就像我前面提到的行为,但添加了规范化。