怎样在Python中利用Scikit-learn计算样本余弦相似度?

大伟同学_5379

大伟同学_5379

2026-10-23

349人浏览

原创

最稳妥方式是直接调用sklearn.metrics.pairwise.cosine_similarity,它自动归一化并处理零向量、稀疏矩阵和维度对齐;输入必须为二维数组(如[a]、[b]或X.reshape(1,-1)),否则报错。

怎样在python中利用scikit-learn计算样本余弦相似度?

用 cosine_similarity 计算两个向量的余弦相似度

直接调用 sklearn.metrics.pairwise.cosine_similarity 是最稳妥的方式,它内部会自动归一化向量(L2范数为1),再计算点积。别自己手写公式——容易漏掉归一化或处理零向量。

常见错误是传入一维数组:该函数默认把每行当作一个样本,所以必须确保输入是二维的(哪怕只有一对向量):

from sklearn.metrics.pairwise import cosine_similarity
import numpy as np
<p>a = np.array([1, 2, 3])
b = np.array([4, 5, 6])</p><h1>❌ 错误:一维数组会报 ValueError: Expected 2D array</h1><h1>cosine_similarity(a, b)</h1><h1>✅ 正确:reshape 成 (1, -1) 或用 np.vstack</h1><p>sim = cosine_similarity([a], [b])[0][0]  # 输出约 0.974</p>

批量计算多个样本两两之间的余弦相似度矩阵

当有 N 个样本(比如文本 TF-IDF 向量),想一次性得到 N×N 的相似度矩阵,直接传入二维 X 即可。注意输出是方阵,result[i][j] 表示第 i 个样本与第 j 个样本的相似度。

  • 输入 X 形状应为 (n_samples, n_features),例如 TF-IDF 矩阵、嵌入向量堆叠结果
  • 如果只传一个 X,结果是对称矩阵;传 X 和 Y 则返回 (len(X), len(Y)) 的矩形矩阵
  • 性能上,该函数底层调用稀疏矩阵优化(若输入是 scipy.sparse 类型),所以对高维稀疏特征(如文本)很友好
X = np.array([[1, 0, 1],
              [0, 1, 1],
              [1, 1, 0]])
<p>sim_matrix = cosine_similarity(X)</p><div class="aritcle_card flexRow artxards">
											<div class="artcardd flexRow">
												<a class="aritcle_card_img" rel="nofollow" href="/xiazai/skill13394" title="Python健壮编程"><img
														src="https://img.php.cn/upload/skill/001/246/273/6adaf20e352aa140.jpg" alt="Python健壮编程" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
												<div class="aritcle_card_info flexColumn">
													<a rel="nofollow" href="/xiazai/skill13394" title="Python健壮编程" class="overflowclass">Python健壮编程</a>
													<p class="overflowclass">编写可靠Python代码,避免可变默认值、导入陷阱与运行时意外</p>
												</div>
												<a rel="nofollow" href="/xiazai/skill13394" title="Python健壮编程" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span>
												</a>
											</div>
										</div><h1>sim_matrix[0, 1] 就是第一和第二个样本的余弦相似度</h1>

为什么不用 numpy.dot 手动实现?

手动算 np.dot(a, b) / (np.linalg.norm(a) * np.linalg.norm(b)) 看似简单,但实际容易出问题:

  • 没处理零向量:一旦 a 或 b 全为 0,np.linalg.norm 返回 0,导致除零警告甚至 NaN
  • 没考虑稀疏性:对大型稀疏矩阵,np.dot 会转成稠密计算,内存爆炸
  • 没对齐维度:一维 vs 二维、行向量 vs 列向量混淆,容易得到标量而非期望形状
  • cosine_similarity 内部做了这些防护,还支持 dtype 保持、NaN 忽略策略(通过 force_all_finite=False)

遇到 ValueError: Found array with 0 sample(s) 怎么办?

这个错误通常不是数据为空,而是输入被误判为“0 个样本”——根本原因是传了空列表、None、或者 shape 为 (0, n) 的数组。

  • 检查是否用了 list() 或 [] 直接传入,比如 cosine_similarity([])
  • 检查是否从 DataFrame 取列后忘了 .values 或 .to_numpy(),导致传入的是 pandas.Series(某些旧版本不兼容)
  • 检查稀疏矩阵是否真的非空:if X.nnz == 0:,空稀疏矩阵也会触发此错
  • 调试时加一句 print(X.shape, type(X)),比猜更快

余弦相似度本身不关心量纲,但极度依赖向量方向;如果你发现结果全是 1 或 0,大概率是输入向量被意外标准化过两次,或特征预处理阶段就做了 L2 归一化——这时再套一层 cosine_similarity 就多余了。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1971

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5624

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1909

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

34437

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4027

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4027

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1303

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3143

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程