使用Python实现余弦相似度计算

余弦相似度是衡量两个非零向量夹角余弦值的指标，常用于文本分类、图像识别等场景中。它通过计算两个向量的点积除以它们的模长乘积来得出相似度。

具体来说，余弦相似度的取值范围为[-1, 1]。当两个向量的方向完全一致时，相似度为1；当它们方向相反时，相似度为-1；而当它们正交（即不相关）时，相似度为0。

为了计算余弦相似度，我们通常使用NumPy库中的np.linalg.norm函数来求解向量的L2范数，并利用np.dot函数进行点积运算。

import numpy as np

def cosine_similarity(a, b):
    a_norm = np.linalg.norm(a)
    b_norm = np.linalg.norm(b)
    dot_product = np.dot(a, b)
    return dot_product / (a_norm * b_norm)

# 示例数据
t1 = np.array([-0.4, 0.8, 0.5, -0.2, 0.3])
t2 = np.array([-0.5, 0.4, -0.2, 0.7, -0.1])

print(cosine_similarity(t1, t2))

上述代码展示了如何使用Python和NumPy库来计算两个向量的余弦相似度。通过这种方法，我们可以轻松地评估不同数据点之间的相似性，从而为各种应用场景提供支持。